本地优先的研究编排引擎，整合SQLite持久化、自主策略生成与可选后台服务，适合需要数据主权与离线工作的研究者
说明：
ResearchVault 是一款以“本地优先（Local-first）”为核心理念的研究编排引擎，主打数据主权、隐私安全与离线可用性。系统采用 SQLite 作为唯一存储介质，默认路径位于 `~/.researchvault/research_vault.db`，所有研究状态、原始资料与合成结果均保存在本地磁盘，不进行任何云端同步，从架构层面杜绝了数据外泄风险。
核心功能围绕三大模块展开：
1. **项目管理（Project Init）**：通过 `vault.py init` 创建研究项目，支持自定义研究目标（objective）与项目标识（name），为后续资料归集奠定基础。
2. **数据摄取（Data Ingestion）**：`scuttle` 子命令允许用户将任意 URL 内容抓取并关联至特定项目 ID，系统会自动处理网页内容提取与元数据索引。
3. **自主策略生成（Autonomous Strategist）**：`strategy` 子命令基于已摄取的数据自动分析、综合并生成研究策略建议，实现从原始资料到洞察报告的半自动化转换。
对于需要可视化交互的用户，ResearchVault 提供可选的 Portal 服务（手动启动），包含独立的前后端分离架构：后端默认绑定 `127.0.0.1:8000`，前端开发服务器运行于 `127.0.0.1:5173`。Portal 采用静态 Token 认证机制，Token 通过 `.portal_auth` 文件或环境变量 `RESEARCHVAULT_PORTAL_TOKEN` 注入，登录通过 URL hash `#token=` 完成，避免了传统会话 Cookie 的复杂性。同时，Portal 支持双主机访问（`127.0.0.1` 与 `localhost`），便于不同浏览器环境的使用。
安全设计方面，ResearchVault 实施了多层防护策略：
– **SSRF 硬化**：默认拒绝所有私有网络、本地回环及链路本地地址（如 `10.0.0.0/8`、`192.168.0.0/16`、`127.0.0.0/8`、`169.254.0.0/16`），需显式添加 `–allow-private-networks` 参数方可放行，有效防范服务器端请求伪造攻击。
– **网络透明性**：除用户主动触发的研究请求或已配置的 Brave Search 外，系统不进行任何出站连接，确保网络行为的可预测性。
– **严格服务隔离**：MCP 服务器与 Watchdog 后台服务均位于 `scripts/services/` 目录，必须手动启动，且技能配置中明确设置 `disable-model-invocation: true`，防止 AI 模型自主启动后台任务，降低未授权操作风险。
– **Provider 密钥隔离**：Brave、Serper、SearXNG 等搜索服务的 API 密钥仅通过环境变量注入，不会传递给 Vault 子进程，避免密钥泄露。
此外，系统支持丰富的环境变量配置，涵盖数据库路径自定义、搜索 Provider 优先级调整、Portal 端口与 CORS 策略、Cookie 安全标记等，满足进阶用户的个性化部署需求。
**显著优点**：数据完全本地掌控，隐私风险极低；模块化设计清晰，CLI 与 Portal 双模式兼顾自动化与交互性；SSRF 防护默认启用，安全基线较高；MIT 许可证开源，社区可审计。
**潜在局限**：依赖 Python 3.13 环境，对旧系统兼容性有限；Portal 为开发级前端（Vite 开发服务器），生产环境需额外加固；无内置协作功能，团队共享需手动导出/同步数据库文件；搜索功能依赖外部 API（Brave/Serper/SearXNG），完全离线场景下需预先摄取资料。
**适合人群**：对数据主权敏感的研究人员、需要离线/内网环境工作的分析师、关注供应链安全的技术审计团队、以及希望自建研究知识库的个人知识管理（PKM）用户。
**常规风险**：尽管 SSRF 防护完善，若用户显式添加 `–allow-private-networks` 或 Portal 中开启“Allow private networks”，可能暴露内网服务；环境变量中存储的 API 密钥若未妥善管理（如写入 shell history 或权限宽松的 `.env` 文件），存在泄露风险；SQLite 数据库文件需定期备份，磁盘故障可能导致研究数据不可恢复。
会员专属
