DeepTutorAI 个性化辅导学习工作区三步本地跑起来【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutorDeepTutor 是一个可自托管的 AI 辅导学习系统把答疑、个人知识库 RAG、出题、协写和学习记忆放进同一个智能体循环免费开源、数据留在本地。适合想用自己的教材和模型搭建私人导师的个人学习者以及想把 AI 辅导接进工作流的开发者。 项目定位一个 agent 原生的辅导系统DeepTutor 官方给自己的定义是 agent-native learning workspace答疑、出题、深度研究、可视化、掌握度练习都跑在同一个 agent 运行时上知识库、活页书、协写草稿、笔记本和记忆在所有流程间共享而不是散落在各个孤立工具里。它适合两类人。第一类是想自己掌控教材数据、自选模型服务、不依赖云端账号的学习者整个系统可以跑在本地或自己服务器上的 Docker 容器里。第二类是希望把 AI 辅导当成工具接进自己 Agent 管线的开发者它的 CLI 专为被程序驱动而设计。不适合的人群也明确想要开箱即用的托管 SaaS、不愿配置模型服务的用户或者只需要单一问答功能的场景它的体量会显得偏重。主界面截图聊天工作区居中侧边栏汇总知识库、学习空间、记忆、设置等全部入口⚙️ 核心能力五个模块撑起学习闭环统一智能体循环Chat、Quiz、Research、Visualize、Deep Solve、Mastery Path 六种模式共用同一套 agent 循环切换的是目标而不是引擎上下文跟着学习者走。一个聊天线程里既能正常对话、调用工具、读附件、生成图片也能在模型拿不准时通过 ask_user 暂停对话、结构化地追问再继续。多引擎知识库这是它和常见 RAG 应用差异最大的一点。知识库管理支持多种检索引擎LlamaIndex默认本地向量 BM25、PageIndex带页面级引用的推理式检索、GraphRAG 与 LightRAG知识图谱路线、LightRAG Server以及直接链接一个 Obsidian 库。每个知识库绑定一个引擎重建索引时写入新的 version-N 目录、保留旧版索引永远不会在重建中途被毁掉一张解析失败的文档也能单独删除不必推倒整个库重建。解析引擎可在设置里切换Text-only、MinerU、Docling、markitdown、PyMuPDF4LLM。活页书 BookBook 引擎把选定的知识源——知识库、笔记本、题库甚至聊天记录——编译成交互式活页书。生成前先给出章节大纲供确认不是盲目一次性输出每章由文字、提示框、测验、闪卡、代码、动画、概念图等类型化块组成块可以单独插入、移动、换类型每页还带独立的 Page Chat。协写 Co-Writer协写模块是双栏 Markdown 工作区主打外科手术式编辑选中一段文字要求改写、扩写或缩写AI 可以基于知识库或网络证据修改并把每次改动以 diff 形式交给你逐条接受或拒绝——不批准就不会落盘。文档自动保存数学公式和图表实时渲染。三层可审计记忆个性化画像不是藏在向量库里的黑盒而是可读、可编辑的文件L1 是只追加的事件轨迹L2 是按领域整理的事实L3 是跨领域综合。L2 引用 L1、L3 引用 L2Memory Graph 能把任意一条综合结论一路回溯到最原始的那条事件记录。DeepTutor 三层记忆系统界面与记忆图谱记忆界面截图L1 轨迹、L2 事实、L3 综合三层结构图谱中心为 L3 综合结论 快速上手本地三步跑起来第一步装环境DeepTutor 需要 Python 3.11–3.13 和 Node.js。从源码安装最完整git clone https://gitcode.com/GitHub_Trending/dee/DeepTutor cd DeepTutor python3 -m venv .venv source .venv/bin/activate python -m pip install -e . ( cd web npm ci --legacy-peer-deps ) deeptutor init deeptutor startdeeptutor init会依次询问前后端端口默认 8001/3782、LLM 提供商、Base URL、API key 和模型名以及可选的 Embedding 服务。也可以跳过 init 直接启动事后再到网页 Settings → Models 里补配置。不想折腾源码的话还有三条路从 PyPI 直接pip install -U deeptutorDocker 单容器部署只需对外暴露前端 3782 端口配置和知识库都会持久化在数据卷里纯命令行玩家则从 CLI 包安装deeptutor init --cli后直接deeptutor chat。第二步打开主界面启动成功后浏览器打开 http://127.0.0.1:3782。首次进入建议先确认 Settings 里的模型配置——页面顶部有 Backend、LLM、Embedding、Search 四项实时状态条LLM 一项变绿说明模型可用。第三步绑定一份材料再提问在 Knowledge Center 上传一份 PDF等索引构建完成后在聊天输入框的上下文栏选中这个知识库再提问回答就会引用你自己的材料。这是看到个性化三个字第一个实际效果的最短路径。四种安装方式怎么选一张表安装方式包含内容适合谁PyPI 包完整 Web 应用 CLI想最快体验、不关心源码源码安装完整 Web 应用 CLI可改代码想参与开发或二次定制Docker 单容器完整 Web 应用只映射 3782 端口想在服务器或 NAS 上长期跑CLI-only仅命令行无 Web 前端只想把能力接进自己的 AgentDeepTutor 系统架构图前端中间件代理到 FastAPI 后端系统架构图Next.js 前端经中间件把 /api 与 /ws 请求转发给同机的 FastAPI 后端架构上值得知道的一点浏览器只和前端源站说话Next.js 中间件在服务端把 /api/* 与 /ws/* 转发给 FastAPI 后端。所有配置、知识库、记忆都落在工作区的data/目录里纯 JSON/YAML多用户模式下同一个目录同时容纳管理员工作区和按用户隔离的个人空间认证默认关闭、单用户运行。 真实用法两种最常见的打开方式学习者用个人知识库辅导答疑一位自学者手上有几十份课程讲义、教材 PDF 和往年真题。他在 Knowledge Center 里新建知识库、上传文档并在设置里选定解析引擎等索引完成后回到聊天界面。提问时他选上这个知识库DeepTutor 通过挂载的 rag 工具从材料里找依据作答引用可以回溯到具体文档同一会话里还可以让它基于相同上下文出几道练习题题目连同他的作答、参考答案和解释一起存进笔记本的题库之后用来复盘。知识库界面截图文档列表、索引状态与检索配置开发者把 DeepTutor 接进自己的 Agent 管线一位开发者在自己的自动化流程里需要解题和检索能力他在终端里执行deeptutor run deep_solve Solve x^2 4 --tool rag --kb my-kb --format json。每一轮以 NDJSON 事件流返回——content、tool_call、tool_result、done 各占一行且都带 session_id拿到 id 就能用--session在同一个会话里继续下一轮headless 环境下 ask_user 追问不会挂起没有终端时会自动以空回复解决。仓库根目录附了一份约 150 行的 SKILL.md说明整套能力面任何支持工具的 LLM 读一遍就能把 DeepTutor 当成工具来用。下一步项目以 Apache 2.0 协议开源官方文档站是 deeptutor.info社区入口在仓库根的 Communication.md想参与开发可以看 CONTRIBUTING.md路线图投票和贡献规范都从仓库 Issue 与文档入手。【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考