企业官网建设流程全解析

免费开源 AI 导师 DeepTutor：多智能体深度学习研究上手指南

【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor

读论文时卡在一个概念上，翻来覆去还是没想通；学习资料越存越多，PDF 躺在文件夹里，要用时却找不着。DeepTutor 是一个开源的 AI 学习平台，用多智能体架构把对话学习、个人知识库、协作写作和学习记忆串成一条线：克隆仓库后用 Docker 启动，浏览器里就能开始用。

一句话说清 DeepTutor

可以把它理解成一个"会自己查资料的 AI 导师"：对话、出题、深度研究、可视化都跑在同一个 AI 智能体循环里，上下文随学习者走，切换任务不用重新交代背景。项目定位是终身个性化辅导（Lifelong Personalized Tutoring）——不只是答疑，出题、复习、资料整理也纳入同一个循环。它比较适合三类人：需要辅导功课的学生、要跟踪新方向的研究者、想把散落资料沉淀成体系的自学者，也就是一个多智能体学习助手。

四项能力，对应四个学习场景

这四个场景不是四个割裂的功能，而是同一套智能体循环的不同入口。

对话式深度研究：把卡住的概念拆成可追问的问题 🧭

读到一个陌生术语，直接问"这是什么"，得到的往往是教科书式定义，和手头的材料对不上。在聊天窗口里，同一个会话可以在普通对话、调用工具、检索指定知识库之间切换；回答前会先检索选中的资料库，Research 模式则输出带引用出处的完整报告。还可以挂上一个人设（如 peer、teacher），让讲解风格贴近自己的水平。各子代理（research、question、visualize 等）的实现都在 deeptutor/agents/ 目录里。

个人知识库：回答前先检索你自己的文档 📚

资料存了一堆，但每次提问都从零开始解释背景，是最消耗耐心的场景。在 Knowledge 页面新建知识库、拖入 PDF、DOCX 等文档，索引完成后，聊天回答就会以这些文档为依据并附上可回溯的引用；索引历史可见，重建或增量更新都有记录。每个知识库可以绑定不同的检索引擎（LlamaIndex、GraphRAG、PageIndex 等），解析引擎也可插拔更换。

Co-Writer 协作写作：选中一段，改写以差异对比呈现 ✍️

写学习报告或论文笔记时，想调整某一段却不知如何下笔，是常见的卡点。Co-Writer 是双栏 Markdown 工作区：左侧编辑、右侧实时预览，支持 KaTeX 公式渲染。它的核心操作是"外科手术式编辑"——选中一段文字，让它改写、扩写或缩写，编辑代理可引用知识库或网络证据，每处修改都以接受/拒绝的差异形式落地，确认后才写入正文。

学习记忆与知识图谱：学过的内容沉淀成可回溯的图谱

一个月前讨论过的结论，过一阵只剩"好像学过"的印象。DeepTutor 的记忆分三层：L1 记录工作区原始痕迹，L2 沉淀各功能面的事实摘要，L3 做跨功能面综合；Memory graph 把三层画成环形图谱，悬停任意节点即可预览对应记忆，点击还能顺着引用链回溯来龙去脉。

四个场景共用同一套上下文：在聊天里挂上的知识库，Co-Writer 和深度研究也能直接引用，资料不用来回搬运。

从克隆仓库到第一次对话：Docker 一键启动步骤

git clone https://gitcode.com/GitHub_Trending/dee/DeepTutor cd DeepTutor docker-compose up -d

启动完成后，浏览器打开 http://localhost:3784 即可进入主界面。配置、API key、记忆和知识库都持久化在挂载的 data 目录里，重启容器不会丢。接着做三件小事，一个可用的开源 AI 导师配置就到位了：

1. 连接模型：在 Settings 页选择提供商并填入 API key，也可以指向 Ollama、LM Studio 等本地模型。
2. 建一个知识库：拖入一两份最常用的文档，等索引完成。
3. 确认偏好：语言、默认模型等都在 Web 设置页维护，源码层的默认值可查 deeptutor/config/settings.py。

第一次对话可以这样问："我在读 Transformer 原始论文，注意力里的缩放因子为什么是 1/√dk？请先查我上传的资料，再给解释，最后出一道自测题。"检索、回答、出题会在同一个会话里依次完成。

进阶：把它调成你的学习系统 🛠️

• 偏好配置：模型、检索引擎、语言等按账号配置；多人部署时，管理员可以为不同成员分配可见的模型与知识库。
• 书籍体系：deeptutor/book/ 对应的 Book 功能能把知识库、笔记、聊天记录编译成"活页书"，生成前先给出章节大纲供确认，书中支持测验卡片与交互式模块。
• 多人协作：开启多用户模式后，每位成员有隔离的工作区；Partners 还能接入 IM 渠道，把导师带进群聊讨论。

把这几项按团队规模逐项打开，DeepTutor 就从个人工具变成了共享的学习系统。

你可能想问（FAQ）

需要自己准备 API key 吗？需要，DeepTutor 本身不附带模型。在设置页填入任意兼容提供商的 key 即可，也可以指向本地模型跑私有推理；配置保存在本地 data 目录，重启不丢。

支持哪些文档格式，解析失败怎么办？PDF、DOCX、XLSX、PPTX 等常见格式都支持，解析引擎可切换（MinerU、PyMuPDF4LLM 等）；单个文档解析失败时可以单独移除，不必重建整个知识库。

和直接问通用大模型有什么区别？差别在于上下文是"长住"的：它基于上传的资料回答并附引用，学习轨迹会进入三层记忆，再次提问时模型知道学到哪一步，而不是每次都从零开始。

可以几个人共用一套部署吗？可以。开启多用户模式后，首个注册用户成为管理员，负责分配模型与知识库授权；其他成员各自拥有隔离的工作区，互相看不到资料。

接下来去哪儿

更新日志与维护说明在仓库的 README 和 release 记录里，遇到具体问题可以在 issue 区或社区群提出；偏爱终端的话，仓库还带了一个 CLI，聊天、知识库、会话等能力在命令行里同样可用。建议的下一步：按上面的步骤把服务跑起来，上传一份最近在读的文档，让它解释一个一直没搞懂的概念——一次对话之后，就能判断它适不适合自己的学习节奏。

【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor