这个开源项目,有点东西!2.9 万 Star DeepTutor

你以为 AI 讲得够详细,你就一定能学会?现实不是这样。

很多 AI 工具只负责把答案说出来,却不负责确认你是否理解、能不能迁移、下一次还记不记得。

这篇用 3 分钟讲清 DeepTutor:它不是把聊天框做得更花,而是把讲解、资料、练习和记忆串成学习过程。

DeepTutor 是什么

一句话概括:DeepTutor 是一个面向长期学习的开源 AI 工作区。

它把聊天、解题、深度研究、可视化、测验和掌握度练习放进同一个 Agent 运行时。项目目前约有 2.9 万 Star,采用 Apache-2.0 许可证,支持 Python 3.11+ 和 Next.js 16。

你想做的事 DeepTutor 的对应能力
问问题、拆难题 Chat、Solve、Deep Research
把知识讲明白 Tutor Agent、Visualize
用自己的资料学习 Knowledge Base、Book、Notebook
检查自己是否真的会了 Quiz、Mastery Path、学习仪表盘
让系统记住上下文 L1/L2/L3 Memory、Memory Graph
接入外部工具和 Agent MCP、Skills、Partners、My Agents

为什么"看懂了",还是不会做

普通聊天机器人往往是这样的:你提问,它给答案;你追问,它继续补充;对话结束,学习也结束。

问题在于,它通常没有持续追踪这几件事:

  • 你的学习目标是什么;
  • 你正在使用哪些资料;
  • 哪些概念已经掌握,哪些地方一直卡住;
  • 你能不能独立完成下一道类似问题。

DeepTutor 的反差就在这里:它不满足于"回答正确",而是试着把"理解、练习、反馈、复习"连起来。

它把学习过程拆成了什么

1. 一套运行时,覆盖多种学习模式

Chat、Quiz、Research、Visualize、Solve 和 Mastery Path 不是互相割裂的功能,而是共享同一套 Agent Loop。用户可以先让它讲解,再让它出题,最后根据答题结果继续练习。

2. 一份上下文,贯穿整个学习过程

知识库、书籍、笔记、问题集、Co-Writer 草稿、用户画像和 Memory,都可以成为后续回答的上下文。这样做的好处是:AI 不只是记住上一句,而是逐渐理解你正在学什么。

3. 多种检索引擎,适配不同资料

项目集成了 LlamaIndex、PageIndex、GraphRAG、LightRAG,也支持关联 Obsidian Vault。文档问答不再只有"切块后向量搜索"这一条路,最近版本还加入了基于 Agent 工具调用的 PageIndex 检索能力。

4. 记忆、Skills 和 Partners 可以继续扩展

Memory 负责积累学习轨迹,Skills 负责扩展能力,Partners 则可以连接 Claude Code、Codex 等外部 Agent 或持续协作的伙伴。

真正值得程序员看的,是这条 Agent Loop

从工程角度看,DeepTutor 最值得参考的不是某个页面,而是它把学习能力组织成了一个可观察的 Agent Loop:

Think → Act → Call Tool → Observe → Respond

每次运行都可以带上用户消息、会话历史、Memory、Persona 和 Skills,再通过工具调用检索资料、执行任务、生成可视化或发起练习。

这套设计给开发者的启发很直接:如果你的产品也需要"长期陪伴",不要只堆一个聊天框,应该把上下文、工具、记忆、反馈和评估设计成一条完整链路。

最近更新,说明它正在往哪里走

DeepTutor 在 2026 年 7 月 19 日发布的 v1.5.2,加入了可配置的聊天附件限制,以及通过 Agent 工具调用跨文档检索的 PageIndex 能力,同时继续扩展模型支持和学习工作区体验。

从最近一段版本演进看,它正在从"能问答的 AI 工具"走向"可持续运行的学习操作系统":有知识库,有记忆,有伙伴,有技能,还有可以复盘的运行轨迹。

适合谁,不适合谁

适合尝试的人 需要提前知道的事
想搭建 AI 学习产品的开发者 模型、Embedding 和资料质量仍然决定上限
有大量文档、课程、论文要消化的人 资料需要整理,不能指望导入后自动变完美
想研究 Agent、RAG、Memory 的人 功能比较多,建议从一个学习场景切入
已经在用 Obsidian 或知识库的人 更适合长期使用,不是一次性问答工具

它也不是"装上就能替你学会"的魔法。真正的价值,是把学习过程变得可持续、可追踪、可复盘。

3 分钟试一下

官方提供了 PyPI 安装方式,Python 3.11+、Node 20+ 环境可以先这样启动:

``bash mkdir -p my-deeptutor && cd my-deeptutor pip install -U deeptutor deeptutor init deeptutor start ``

默认前端地址是 http://127.0.0.1:3782。启动后,在 Web 设置里配置模型和 Embedding 服务,再导入一份自己的资料,观察它如何从"回答问题"变成"继续追问、检索、练习和反馈"。

小华的判断

DeepTutor 值得关注的地方,不是它又做了一个 AI 聊天页面,而是它把一个容易被忽略的问题摆到了台面上:AI 给出答案,不等于用户获得能力。

如果你正在做 AI 教育、企业知识库、个人知识管理或 Agent 产品,可以重点研究它的三件事:

  1. 如何让多个功能共享同一个 Agent Runtime; 2. 如何把 RAG、Memory 和 Skills 组合成长期上下文; 3. 如何用练习、掌握度和运行轨迹验证"真的学会了"。

下一步可以继续拆它的 Memory、Partners 和 Guided Learning 设计,这些部分比"接一个大模型 API"更值得借鉴。

项目地址

https://github.com/HKUDS/DeepTutor

相关推荐
TomEval17 分钟前
【测AI】第26篇:线上模型监控与告警体系 — 测试不是终点
人工智能·python·功能测试·ai
ZhengEnCi1 小时前
AI 总模仿代码库里的过时写法怎么办:先清坏样例,再用类型与测试让 AI 无法犯错
人工智能·ai编程
一只爱撸猫的程序猿1 小时前
五周、两个开源仓库、九次拦截之后:AI 时代程序员缺的到底是什么
人工智能·后端·开源
GitCode官方2 小时前
开源鸿蒙跨平台直播|AI 时代,用 cj-tauri 开发鸿蒙 PC 应用
人工智能·华为·harmonyos·atomgit
老金带你玩AI2 小时前
GPT-6.2更强更便宜了,为什么还有人骂?
人工智能
CyrusYiVPP3 小时前
实测 uv 0.13.7:同一套包,pip 装 94 秒,它只用 19 秒
人工智能·python
泯泷3 小时前
OpenClaw 退潮背后,是 AI 圈“技术自嗨”的终结
人工智能·chatgpt·llm
罗西的思考3 小时前
【轻量化复刻大模型 / KIMI K3】Muon 优化器及 训练系统
人工智能·算法·机器学习
屿华AI3 小时前
AUTOSAR 实战-诊断工具 | 用 Claude Code 开发诊断测试工具:AI 协作开发实践
人工智能·测试工具
程序员韩星3 小时前
OpenAI 兼容接口返回 404,先查请求地址,再查模型名
前端·人工智能·http