DeepTutor 本地部署指南:接入 Ollama,3 步跑起离线 AI 学习助手
【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor
备考的周末,校园网断了;或者你在飞机上啃论文——云端 AI 助手这时全成了摆设。DeepTutor 是一款 AI 学习助手,配合 Ollama 本地部署后,问题解答、深度研究、引导学习这些模块全部在你电脑上跑,断网照常学习,数据一个字节都不出本机。
DeepTutor 离线学习全流程
动手前 2 分钟检查
先把硬件和软件底数盘一遍,差在哪项补哪项:
| 依赖项 | 最低要求 | 备注 |
|---|---|---|
| Python | 3.10+ | 建议直接用 3.11/3.12 稳定版 |
| Node.js | 18+ | 前端web/目录依赖它构建 |
| Git | 任意近期版本 | 用于拉取源码 |
| 内存 | 8GB | 想跑得从容,建议 16GB 起 |
| 磁盘 | 20GB 起 | 装模型和应用数据都要空间 |
Ollama 是本地跑大模型的工具,这一步也顺手做完:从 Ollama 官网下载并安装对应操作系统的版本,然后装一个够用的模型。
ollama --version # 验证 Ollama 装好了没有 ollama pull llama3 # 拉取学习辅助常用的开源模型第二条命令会把模型权重下到本地,之后所有推理都在你机器上完成。内存吃紧就换mistral这类更小的模型。
把 DeepTutor 跑起来
下面三步按顺序敲就行:克隆、隔离环境、装依赖。
git clone https://gitcode.com/GitHub_Trending/dee/DeepTutor cd DeepTutor第一条命令把源码拉到本地。虚拟环境用 conda 或 venv 都行,防止依赖污染全局环境:
# 方案 A:conda conda create -n deeptutor python=3.10 conda activate deeptutor # 方案 B:venv(macOS/Linux) python -m venv venv source venv/bin/activate激活后安装前后端依赖:
pip install -r requirements.txt # 装 Python 后端依赖 npm install --prefix web # 装前端依赖启动脚本一条命令拉起后端(FastAPI)+ 前端(Next.js):
python scripts/start_web.py跑通之后,浏览器打开http://localhost:3782是 Web 界面,http://localhost:8001/docs是 API 文档。
接入 Ollama:.env 配置说明
服务能起来了,但它默认不知道你的模型在哪。这一步把 DeepTutor 接到本地 Ollama 上:在项目根目录建一份.env(参考仓库里的.env.example),把模型提供方式指过去。
| 变量 | 默认值 | 说明 |
|---|---|---|
LLM_BINDING | ollama | 对话模型走 Ollama |
LLM_MODEL | llama3 | 必须和你ollama pull的模型名一致 |
LLM_HOST | http://localhost:11434/v1 | Ollama 默认监听 11434 端口;改了端口或走远程服务,这里同步改 |
EMBEDDING_BINDING | ollama | 嵌入模型也走 Ollama,知识库检索靠它 |
EMBEDDING_MODEL | all-minilm | 本地轻量的嵌入模型 |
EMBEDDING_DIMENSION | 384 | 维数必须与所选嵌入模型匹配,写错向量库会对不上 |
EMBEDDING_HOST | http://localhost:11434/v1 | 与LLM_HOST同规则 |
保存.env再重启服务,连接问题基本只剩"Ollama 没开"这一种了。
断网状态下它能做什么
拔掉网线,DeepTutor 的主战场照常运转。几个高频用法:
题目不会做?
解题模块把题目拆给你看,而不是甩一句答案:
主题太宽泛?
深度研究模块对复杂主题做多步骤分析,产出一份成体系的材料,比"建议查阅相关资料"靠谱得多。也可以在终端只开研究模式:
python scripts/start.py --mode research # 只启动研究模块的 CLI 模式想系统啃一块新内容?
引导学习模块用交互式对话带着你一层层过关,新知识按它的节奏消化,不容易半途而废。
想让助手更懂你的材料?
接一个知识库就行:可以直接用项目提供的演示知识库(下载后解压到data/目录),也可以访问http://localhost:3782/knowledge页面,把自己上传的资料建成专属离线知识库。
踩坑急救箱
部署过程最常见的三类问题,我们按症状快速定位:
Ollama 连接超时
- 症状:启动后问答转圈,日志里报连不上模型服务
- 原因:Ollama 服务没起、地址配错,或防火墙拦了 11434 端口
- 解法:终端跑
ollama serve;确认.env里地址是http://localhost:11434/v1;再放行防火墙对应端口
内存爆满 / 响应极慢
- 症状:回答卡住、系统明显变迟钝
- 原因:本地大模型吃显存和内存
- 解法:换小一号的模型(如
ollama pull mistral)、关掉吃内存的后台程序、给系统加一点 swap
端口被占用
- 症状:启动时报 8001 或 3782 已被占用
- 原因:别的程序先占了这两个端口
- 解法:
lsof -i :8001 # macOS/Linux 找到占端口的进程 kill -9 <PID> # 结束它 netstat -ano | findstr :8001 # Windows 下用这条查 taskkill /PID <PID> /F # 再结束它到此,DeepTutor 已在本地和 Ollama 之间打通。之后保持更新就行:
git pull origin main # 更新 DeepTutor 应用 ollama pull llama3 # 更新模型,换成你实际在用的模型名一个真正属于你、断网也靠得住的 AI 导师,现在就在你自己电脑里跑着了。
【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