企业官网建设流程全解析

5分钟装好专属AI学习助手：DeepTutor 让私人导师住进你的电脑

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

你有没有过这样的体验：用通用聊天机器人问学习问题，每次都要重新交代一遍背景；辛辛苦苦攒了几十份 PDF 资料，却躺在网盘里落灰；上周刚学懂的知识点，这周又忘得一干二净。问题的根源不在你，而在于——大多数 AI 工具是"健忘的顾问"，而你需要的是"记得住你的私人导师"。

今天要介绍的 DeepTutor，正是一款开源、可完全本地部署的 AI 学习助手。它不只是会聊天，而是把「记忆 + 知识库 + 辅导」三件事焊死在一起：你喂给它的每一份资料、每一次对话，都会沉淀成它对你的长期了解。更关键的是，它完全免费、数据不出电脑，从安装到用上，最快只要 5 分钟。

一句话看懂它：一个"有记性"的 AI 原生学习工作区

先给 DeepTutor 一个定位。普通聊天机器人像临时请来的顾问——你问一句、它答一句，说完就忘；DeepTutor 则像一位跟读三年的家教——记得你的薄弱点、你读过的教材、你上次卡在哪里，每次辅导都接着上回往下讲。

它走的是"AI 原生"路线：系统底层就是为智能代理（Agent）设计的，而不是给传统学习工具贴一层 AI 标签。所有能力——聊天、出题、研究、可视化、解题、掌握度练习——跑在同一个代理循环上，上下文跟着学习者走，而不是散落在互不相通的工具里。

架构图里的每一层都在回答一个问题：如何让"个性化辅导"真正落地。入口层（Web、CLI、SDK）决定你用哪种姿势学习；核心功能层提供聊天、写作、引导式学习等场景；而底层的数据智能层——知识库、持久记忆、会话与笔记——正是"记住你"的根基。

5 分钟上手：先跑起来，再谈其他

"先看到成果"比任何功能清单都更有说服力。DeepTutor 不需要克隆代码库，一条 pip 命令即可安装：

# 创建你的专属学习空间 mkdir -p my-deeptutor && cd my-deeptutor # 安装 DeepTutor 核心包（需要 Python 3.11+ 和 Node.js 20+） pip install -U deeptutor # 初始化：按提示设置端口、选择大模型服务商并填写 API Key deeptutor init # 启动后端 + 前端，保持终端窗口打开 deeptutor start

运行deeptutor start后，终端会打印出前端地址，默认是http://127.0.0.1:3782，用浏览器打开即可。第一次启动会在后台完成依赖准备，稍等片刻，你就能看到 DeepTutor 的聊天工作台。如果暂时没配置模型，也可以先启动、后到「设置 → 模型」里补上，它不会拦着你体验界面。

想跳过所有配置快速试玩？deeptutor init允许直接回车跳过，应用会用默认端口启动，模型参数留到设置页再填。

跟着走一遍：从一份 PDF 到一本"活书"

现在进入正题。我们用一个真实小任务，串起 DeepTutor 的核心功能。假设你手里有一份教材 PDF（比如《DeepTutor: Towards Agentic Personalized Tutoring》），想把它变成能提问、能自测、能随时复习的学习材料。

第一步：建一个知识库，把 PDF 喂进去。在左侧栏进入「Knowledge」，点「New knowledge base」，上传你的 PDF。系统会解析文档并自动建立索引——这一步是后续一切的基础。

第二步：带着知识库去聊天。回到「Chat」，在输入框上方选中刚建的知识库，然后提问。注意 DeepTutor 的回答不是凭空编造——它会基于你的 PDF 内容作答，并在答案旁标注引用来源，方便你回到原文核对。

第三步：把 PDF 变成"活书"。这是 DeepTutor 最让人眼前一亮的功能。进入「Book」，基于刚才的知识库创建一本电子书。系统会先给你一个章节大纲让你确认，再逐章生成内容。与传统 PDF 不同，这本书是"活"的：正文里嵌着测验卡片、可交互模块、概念图，甚至动画；每一页还带一个独立的「页面聊天」，你可以边读边问书页上的内容。

第四步：让记忆沉淀。这一路你聊过什么、在哪页卡过壳，都被 DeepTutor 默默记录进它的记忆系统。打开「Memory」，你会看到三层结构：L1 是原始行为轨迹，L2 是按场景提炼的事实，L3 是跨场景综合出的"关于你的画像"。这意味着你第二次来问问题时，它知道你已经读到哪一章了。

为什么它记得住你：三层可审计的记忆

大多数 AI 工具的记忆是藏在黑箱向量库里的，你根本不知道它"以为"你是什么样的人。DeepTutor 的不同之处在于：记忆不仅分层，还完全透明可审计。

• L1 工作区镜像：记录你每一次交互的原始轨迹，构成完整学习档案；
• L2 表面摘要：为聊天、书籍、笔记等每个学习场景提炼要点；
• L3 跨表面综合：把不同场景的知识关联起来，形成跨场景的认知图谱。

更妙的是"记忆图谱"功能：L2 引用 L1，L3 引用 L2，任何一条综合结论都能一路追溯到最初的原始事件。你随时可以查看、修改甚至删除记忆——它记住了你，但你永远掌握着控制权。

值得深挖的另外三件事

除了记忆，DeepTutor 还有几个差异化亮点值得单独说。

① 不止一种知识库引擎。普通工具只有一种 RAG 方案，DeepTutor 却给你选择权：默认的 LlamaIndex、带页级引用的 PageIndex、知识图谱类的 GraphRAG / LightRAG，甚至可以直接链接你本地的 Obsidian 仓库，让导师"就地阅读"你的笔记体系。换引擎不影响已建的知识库，重建索引也不会破坏旧版本。

② 划词即改的协同写作。在「Co-Writer」里写学习笔记，选中一段文字，就能让 DeepTutor 改写、扩写或精简。每一次修改都以"接受/拒绝"的 diff 形式呈现，不会未经你同意就改动内容。Markdown 语法、LaTeX 公式实时预览，写论文笔记、整理教程都顺手。

③ 让"别的 AI"也来帮忙。「My Agents」可以把本机的 Claude Code、Codex、Gemini 等编码助手接进来，在对话中途直接调用它们干活；「Partners」则允许你在飞书、Telegram、Slack 等 IM 平台上部署"常驻导师"，让它拥有独立的人格、知识库和记忆。对命令行用户，deeptutor还提供完整的 CLI 接口，甚至能以 JSON 流式输出被另一个 AI 程序驱动。

什么情况下选它？什么情况下不选它？

选它，如果你：

• 看重隐私和数据主权，希望学习记录不离开自己的电脑；
• 学习资料多（PDF、笔记、论文），需要长期、可追溯的知识管理；
• 想要"记得住上节课讲了什么"的连续性辅导，而不是一次性的问答；
• 是教师或教育团队，需要给学生做个性化辅导、生成测验题。

不选它，如果你：

• 只需要偶尔问个简单问题，那普通的对话式 AI 更轻量；
• 电脑配置有限，又坚持纯本地大模型，可能跑不动推荐模型——不过你仍可连云端 API 使用；
• 期待"开箱即零配置"，DeepTutor 首次启动仍需要你选择模型服务商。

新手最容易踩的 4 个坑（附解法）

说到离线，DeepTutor 对本地模型的支持相当成熟：Ollama、LM Studio、llama.cpp、vLLM 都是设置里可选的服务商，选好后系统自动检测连接。没有网络的学习环境，它同样能完成辅导、答疑、出题全流程。

现在，轮到你了

截至 2026 年 8 月，DeepTutor 已迭代到 v1.5.8，社区在发布后 111 天内收获了 2 万颗星，背后是香港大学数据智能实验室（HKUDS）的持续维护，采用 Apache 2.0 开源协议。如果你想参与其中，可以发布自己的教学技能到 EduHub 技能社区，或者直接提交 Issue 和 PR。

别急着读完所有功能文档——先跑起来，问它一个问题，把一份资料丢给它，然后看着它"记住"你。这就是开启个性化学习之旅最快的方式：

pip install -U deeptutor && deeptutor start

你的私人 AI 导师，已经准备好开课了。

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