写在前面
2026 年 9 月，把 DeepTutor 部署好。当时的预期是一个给孩子用的 AI 学习平台------错题追问、生成练习、排复习计划，这些事市面上不少工具都能做。
一个多月下来，平台本身更新了几轮，从单账号扩展到支持子账号和资源分配，多人协作没问题。最新的版本里还增加了我们熟悉的活跃统计图（类似于github的贡献热力图，如下图）。
我把核心功能挨个跑通，Token 消耗大概不少，因为我选择的都是flash模型，但总体可控。
一、底座大模型配置
DeepTutor 自身不提供模型，需要接入外部大模型 API 才能用起来。部署完成后先做这一步，否则后面所有功能都跑不起来。
要填的基本是模型服务的接入信息------API 地址、密钥、模型名称，这些是模型服务商那边的参数，不属于 DeepTutor 自己的配置项。
1.提供方
平台这一侧只需指定用哪个模型：
常见提供方的API地址都默认帮我们预填上了，我们只需要填写API key:
2.配置语言模式
基于已经添加的提供方配置具体模型：
指定要使用的模型ID，很方便，直接在下拉中搜索选择即可：
二、基础能力盘点
1. 启发式追问：区别于"一次甩答案"
这是最核心的能力。把孩子的错题和对应教材大纲传上去，AI 不会直接给答案，而是按步骤追问，带着孩子自己往里走。
跟豆包、作业帮这类"一问一答"的区别在于：它会根据孩子的学习阶段定义它的语言，同时它有一条预设的追问链。比如一道几何证明题，它会先问"这道题要证什么"，再问"已知条件里哪些跟这个结论相关"，如果答不上来再退一步问"你还记得全等三角形的判定条件吗"。每一步的追问都基于孩子的上一次回答动态生成。
回答之前先确认对方的阶段、水平：
苏格拉底式的引导：
目前我还没在孩子身上实测过，实际效果有待跟踪。从追问链的设计看，它不直接给答案，理论上比"搜答案"更能逼孩子自己想；但追问节奏是否合适、孩子会不会焦虑，得用一段时间才知道。
但说实话，deeptutor的能力非常强大，但是使用操作起来，是有一定坡度，需要多测试。
这是想用以上苏格拉底式提问的选项配置：
2. 可互动的书：薄弱知识点的定制化教材
针对某一块薄弱知识点，可以让 AI 生成一本专属的小书。书不是静态文本，会自动在章节间插入：
- 章节小测：每讲完一个点，弹一个选择题或填空题，做错了会自动跳转回相关段落；
- 知识点视频锚点：如果平台接入了视频资源，可以在文本段落里嵌锚点，点击直接跳转到对应时间轴；
- 交互元素：拖拽排序、连线题这类，适合需要动手操作才能理解的概念。
注：生成书籍是一个比较消耗Token的过程，如果要提升效果，可能要考虑配置逻辑能力更强大的模型。
可互动的部分：
对那种"必须看着过程才能理解"的知识点特别友好------比如数学几何，物理的电磁感应、化学的反应方程式配平，传统刷题孩子容易忘，用这个能通过视觉加深印象。
3. 精通之路：AI 导师全程带练
跟互动书有点像，但发起者换成了 AI 导师。流程是：
- 先跟 AI 聊清楚学习目标（比如"一周内搞懂因式分解"）；
- AI 自动拆解子目标、排每日计划；
- 每天按计划讲知识点、做练习、出小测；
- 按记忆曲线安排复习，具体节奏由平台决定。
比如这是我近期在学习的进度及安排：
功能层面跑通了两周。设计上最大的好处是"不会忘"------普通刷题是学完就过，这个会追着复习；
长期效果如何同样有待跟踪。
4. 多人协作：子账号与资源分配
平台更新后支持子账号，可以给不同用户分开管理，互不干扰。适合多孩子家庭或者几个朋友一起搭伙用。
给不同用户分配资源：
上面这四项，都是"给孩子用的"。让我惊喜上头的是另一件事。
三、家长端的隐藏玩法：让 AI 扮演孩子
我把自己攒的 42 篇家庭教育学习笔记（截至 2026 年 9 月）全部传上去，让 AI 结合现代家庭教育的沟通框架，提炼出若干个典型的亲子对话场景。然后我演家长，AI 演孩子------一个正处于青春期、不耐烦、会敷衍、会突然顶一句的孩子。聊完一轮，它出点评。
整体的思路：让AI设计以上演练场景，并输出为可复用的知识库，之后在使用时可以进行快速加载学习。
这个功能点，也是我在整体使用过程中Token消耗比较大的一个环节（要提升效率和效果，可能要考虑配置逻辑能力更强大的模型来做这一步）。
一次真实的复盘
AI： 他问的是「你不会说我吧。」------这是一个关于你的问题。
AI： 他想知道的是：接下来你会做什么。
我答的是： 「新学的知识有不明白的很正常。」------这是一个关于世界的道理。
AI： 内容完全正确，而且很温柔。但它没有回答他的问题。
这个复盘清晰点出了我的问题。
AI 接着往下说：
AI： 他鼓起勇气把最软的一块露出来（「就一道没听懂」），紧跟着给自己垫了辩护（「别的都会」），然后把最坏的那句抢在你之前说出来（「你不会说我吧」）。这是今晚他给你的最大一次信任。
AI： 他收到的答案是------这件事很正常，你别担心。
AI： 于是他学到的是：我刚才说的那些，不重要。所以他退回去了。退档不是惩罚你，是他在自我保护。
演练过关评判：
替换句式建议：
演练打分：
它怎么打分
每轮对话后，AI 会从几个维度给回应打分（规则是我在让AI设计演练时自动设计的）：
为什么放在 DeepTutor 上做，而不是直接用豆包
这类场景模拟在技术本质上是角色扮演 + 提示词约束，用豆包、Kimi 这类日常 App 也能聊。但两者差别不在"能不能聊"，而在状态：
- 日常 App 里的对话是无状态的。关掉会话就忘了，下一次得重新交代背景、重新贴笔记，AI 不记得你上次被指出过什么问题，也不会主动追问"上次那个毛病改了吗"。
- DeepTutor 把练习记录、对话历史和学习知识库放进同一套状态里。练过的场景、每轮评分、暴露出的问题都会沉淀下来，形成一条可回看的成长曲线；知识库里的笔记也能作为上下文持续参与，让场景越练越贴近自己的真实情况。
对只聊一两次的人，这个差别不大。但对想长期练的人，状态跟踪几乎是决定性的------没有记忆的练习，每次都从零开始。
平台的能力非常强大，可以探索挖掘的东西还非常多。如果有同样在折腾家庭 AI 学习平台的朋友，欢迎在评论区交流探讨。