企业官网建设流程全解析

DeepTutor AI学习助手：从零跑通本地AI导师的完整手册

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

DeepTutor 是一个开源的 agent-native AI 学习助手（AI 导师），把问答对话、知识库检索（RAG）、学习书生成与个人记忆放在同一个本地工作区里。它需要 Python 3.11–3.13 与 Node.js 20+，支持多家 LLM 提供商，所有数据都存放在工作区的 data/ 目录下。适合想把个人资料变成问答库、并做长期系统学习，又不希望资料上传到第三方服务的人。

一分钟定位

用三个要点回答它是什么、解决什么问题、与同类方案的关键差异。

• 本地 AI 学习工作区：同一运行时承载问答、解题、测验与研究
• 解决资料问答、长期学习追踪与跨工具上下文割裂
• 区别于同类：多引擎可选检索、可编辑文件记忆、代理自主调工具

📦 快速上手：最小化安装与启动步骤

项目提供四条安装路径，这里以可控性最高的源码安装为例。

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 start

deeptutor start之后终端会打印前端地址，默认是http://127.0.0.1:3782，浏览器打开即进入主界面。deeptutor init会依次提示端口、LLM 提供商、API key 与模型；跳过也没关系，服务会以默认端口和空模型配置启动，之后在 Settings → Models 里补齐即可。

📚 核心能力：从资料到学习书的完整学习闭环

以下按一条真实主线串讲四个环节：导入资料、提问、查看产出、跨会话记忆。

知识库导入方法

在 Knowledge Center 新建知识库，上传 PDF、DOCX、XLSX、PPTX 等文档，选择解析引擎（Text、MinerU、Docling、Tika 等），再绑定一个检索引擎：默认 LlamaIndex（本地向量 + BM25），也可选 PageIndex、GraphRAG、LightRAG。这一步是后续所有回答的地基：答案建立在你的资料上，而不是模型的通用记忆。

DeepTutor 知识库创建与文档上传界面

带上下文与工具的提问

Chat 是默认能力，一个对话里模型可以按需调用 web_search、paper_search、reason、exec（沙箱代码执行）等工具；挂载知识库后，rag、kb_files、read_source 等上下文工具会自动就位。循环本身很直白：模型分轮思考、需要时调工具、以一条不带工具的消息收尾；信息不足时 ask_user 能暂停这一轮，先问清楚再继续。对使用者的意义是：复杂问题不需要手动切换工具，代理自己决定调什么。

把产出编译成学习书

Book 能把知识库、笔记本、题库或聊天历史编译成交互式"活书"：创建流程先给出章节大纲供审阅，确认后才生成内容；每章编译成可编辑的类型化块——文本、测验、闪卡、时间线、代码、动画、交互 HTML——每章带独立 Page Chat，整本可导出 Markdown。这一步把一次性的回答变成可以复习、测试和追踪进度的结构。

个人记忆系统：跨会话追踪学习轨迹

Memory 是文件支持的三层结构，刻意不做隐藏向量库：L1 是工作区镜像和只追加的事件轨迹，L2 是按场景整理的事实，L3 是跨场景的综合；L2 引用 L1、L3 引用 L2，任何综合结论都能沿 Memory Graph 追到原始事件。好处是个性化可见、可读、可编辑，而不是黑盒。

DeepTutor 三层记忆图界面

🔧 技术要点速览：agent-native 双层架构

DeepTutor 的组织核心是双层插件模型：Tools 是模型按需调用的单发函数，Capabilities 是接管整轮的多阶段流水线（chat、deep_solve、deep_question、deep_research、visualize 等）。

• Tools + Capabilities 双层模型，CLI、Web、SDK 共用运行时
• 后端 FastAPI 流式输出，前端 Next.js 16，配置是 JSON/YAML 文件
• 知识库重建写入新 version-N 目录，不破坏旧索引
• 记忆是三层纯文本文件，结论可回溯到原始事件
• 扩展靠插件、MCP 服务与可安装 skills

架构说明见 AGENTS.md，能力实现位于 deeptutor/capabilities/。

DeepTutor 系统架构图

🧪 场景小样：三个具体任务流程

挑三个任务级流程，均可在默认单用户部署里完成。

把 PDF 手册变成可检索的问答库。在 Knowledge Center 新建知识库并上传手册，索引完成后在 Chat 输入工具栏挂载该 KB，提问时答案即可引用手册原文。

把零散聊天历史编译成学习书。在 Book 入口选择聊天历史或已有知识库作为来源，审阅给出的章节大纲，确认后编译出测验、时间线等块。

在终端一行解题。执行deeptutor run deep_solve "Solve x^2 = 4" --tool rag --kb my-kb即跑完一轮并退出，加--format json得到机器可读输出。

⚠️ 上手避坑：来自仓库文档的三条提醒

这三条都来自 README 与 pyproject 的明确说明。

• Python 限定 3.11–3.13：3.14 缺编译依赖 wheel，安装会失败
• 项目根 .env 不被读取，配置在工作区 data/user/settings/
• Docker 只需暴露 3782；连宿主机 Ollama 用 host.docker.internal

❓ 常见问题：安装与使用

安装前后最常遇到四类问题，答案均出自仓库文档。

Q：模型怎么配置？A：Settings → Models 里填提供商 Base URL、API key 与模型名并保存；仅在用知识库时才需补 embedding。

Q：默认支持多用户吗？A：认证默认关闭，为单用户；在 auth.json 开启后重启，首个注册用户成为管理员，其余用户获得隔离工作区。

Q：单个文档解析失败怎么办？A：可以从知识库中单独删除该失败文档，无需整体删除重建索引。

Q：有纯 CLI 用法吗？A：有。CLI-only 包从源码安装，deeptutor chat 交互对话，deeptutor run 单轮调用。

结尾：下一步看哪里

DeepTutor 的各功能都跑在同一个 data/ 目录与同一套运行时上，上面这条主线在一个工作区里就能完整验证。更细的安装与部署选项见 README.md。建议的下一步：在 Knowledge Center 建一个知识库，上传一份最常查的手册，然后在 Chat 里挂载它并连续问三个问题。

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