DeepTutor 使用指南如何 5 步搭好你的 AI 私人导师【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor你让 AI 讲量子力学它从头讲起让它解释同一章的公式它并不知道你昨晚刚读完前一节。DeepTutor 是一个开源的 AI 个性化教学平台核心是代理原生架构加三层记忆系统让 AI 记住你学过什么、卡在哪里。本文从安装到日常使用带你走一遍完整流程。从每次从零开始到AI 真的懂你大多数对话工具关掉窗口AI 就忘掉你是谁。对学习者来说这意味着每次都要重复解释背景对老师来说也意味着没法批量跟进每个学生的进度——AI 只是答题机不是陪跑者。DeepTutor 反过来处理这件事。它把 AI 定位成一个长期陪跑的导师系统内部维护一套可编辑的记忆每一次学习、每一次对话都会沉淀成可以复查的知识下次进来接着用而不是重新热身。架构上Chat、Quiz、Research、Visualize、Deep Solve、Mastery Path 全部跑在同一个代理循环Agent Loop里。切换的是目标不是另一套系统这是它能同时支持 Web、CLI、Python SDK 三种入口的根本原因。核心功能拆解一个工作区四类能力Chat 工作区把 6 种教学形态装进同一个框Chat 是 DeepTutor 的主工作区底部有一排能力切换按钮让同一个对话承载不同任务上下文自动跟随不用来回搬。具体例子问一道微积分题切到 Deep Solve它会调用 RAG 或代码工具给出完整推导切到 Quiz直接基于上下文生成选择题再切到 Visualize就把结论转成可视化。你不需要新开一个 Quiz 窗口只是换个镜头看同一份材料。三层记忆系统L1 / L2 / L3 让个性化可编辑DeepTutor 的记忆分三层L1 是工作区实时快照L2 是每个表面Chat、Book、Co-Writer 等的结构化事实L3 是跨表面合成出的学习者画像每一条结论都能点开看证据链。具体例子你今天读了一章 RAG又在 Chat 里追问了相关公式。L1 记录这两段轨迹L2 各自抽出事实条目L3 合成成该学习者偏好图示、对 Transformer 已掌握这样的结论。你随时可以点进去删一条、改一条——记忆不是黑盒是可以直接编辑的工作台。Knowledge Center多引擎 RAG 检索层Knowledge Center 是 DeepTutor 的知识库层支持 LlamaIndex、PageIndex、GraphRAG、LightRAG 等多种索引引擎文档解析PDF / DOCX / Markdown 等可插拔。具体例子把一本科班教材 PDF 上传到 Knowledge Center指定 LightRAG 索引问什么是自注意力机制时Chat 会自动从库里拉出对应章节作为引用来源答案下面带出处而不是让模型自由发挥。老师上传讲义、学生上传教材共用同一套索引基础设施。Book把对话变成可交互的电子教材Book 是 DeepTutor 的教材生成器让 AI 按章节产出可交互的电子书内嵌 Quiz Card、Mermaid 图、代码块等丰富组件成品可以直接分发给学生。具体例子老师描述面向新生的 Agentic RAG 入门主题DeepTutor 先出目录、再逐章生成Quiz Card 和代码示例自动嵌入对应段落。生成的书会显示在 Book 列表里带章节数、预计阅读时长、状态徽标学生点开就能学。跟着做一遍从 clone 到第一堂 AI 课先准备环境需要 Python 3.11–3.13 与 Node.js 20如果不想本地装依赖直接走 Docker 官方镜像可以跳过这一步。装好运行时把代码拉到本地并做可编辑安装git clone https://gitcode.com/GitHub_Trending/dee/DeepTutor cd DeepTutor pip install -e .安装完成后跑deeptutor init它会依次询问后端端口默认 8001、前端端口默认 3782、LLM Provider、Base URL、API Key 与模型名。配置会写到data/user/settings/下的一组 JSON 里之后随时能在 Web 界面里改不必动文件。init 结束就deeptutor startFastAPI 后端和 Next.js 前端一起拉起来终端打印前端 URL浏览器打开即可CtrlC停服务。进Settings → Models确认刚才填的模型能连通再进 Knowledge Center 上传一份 PDF 教材等索引跑完回到 Home 直接问基于我刚上传的教材解释 XX 概念。这时 Chat 开始引用知识库作答后台的 L1 记忆也在同步写入——一次操作同时验证了模型、RAG 和记忆三条通路是否都正常。不同角色怎么用‍教师把一门课的教材、讲义、往年题都丢进 Knowledge Center指定 LightRAG 索引用 Book 描述主题生成讲义初稿再进 Co-Writer 精修公式与术语最后发给学生。学生每节课的对话会沉淀进记忆你下节课开场就能知道谁卡在哪里。‍学生让 Memory 真正跑起来——连续几周的 Chat 和 Book 阅读之后L3 会形成你自己的画像错题集中时切到 Mastery Path 做针对性练习而不是从头刷题。命令行党可以试试deeptutor chat --capability deep_solve --kb my-kb把 AI 变成终端里的解题器。️开发者想加能力别改核心去 deeptutor/capabilities/ 下新建一个 capability 目录复用同一个 Agent Loop 就能挂进 Chat 的能力切换栏外部工具走 MCP 或 CLI Apps 接入无需自己写路由。把 DeepTutor 跑起来之后AI 才第一次有了记得你的能力——剩下的部分交给每天真实的学习。从 clone 一次、deeptutor init一次开始就行。【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