DeepTutor 实操指南三步搭起你的个性化 AI 导师工作区【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutorDeepTutor 是一个开源、本地部署的 AI 导师工作区把个性化辅导、解题、出题、深度研究和可视化统一在一个代理系统里适合自学、教师与开发者。三条命令跑通 DeepTutor从安装到第一次回答前置要求完整 Web 版需要 Python 3.11–3.13并且 PATH 里有 Node.js 20源码开发建议对齐 CI 用 Node 22 LTS。四种装法对比方式适合谁额外要求PyPI 安装日常使用最短路径Node.js 20Docker单容器部署只发布 3782 端口源码安装二次开发需构建web/前端仅 CLI只要终端、不要 Web UI从源码检出安装最省事的是 PyPI 路线在任意你希望作为工作区的目录下执行pip install -U deeptutor deeptutor init deeptutor startdeeptutor init会依次问后端端口默认8001、前端端口默认3782、LLM 供应商 / API key / 模型以及可选的 embedding 配置跳过 init 也能起之后在Settings → Models里补模型即可。deeptutor start会同时拉起前后端终端里会打印前端地址默认http://127.0.0.1:3782CtrlC一次停掉两边。Docker 路线是一个自包含容器只有3782需要对外docker run --rm --name deeptutor -p 127.0.0.1:3782:3782 \ -v deeptutor-data:/app/data ghcr.io/hkuds/deeptutor:latest首次启动会在deeptutor-data卷里生成data/user/settings/*.json模型、知识库、记忆都持久化在这个卷里重启不丢。想从源码开发时再走 clone 路线git clone https://gitcode.com/GitHub_Trending/dee/DeepTutor cd DeepTutor python3 -m venv .venv source .venv/bin/activate pip install -e . (cd web npm ci --legacy-peer-deps)装完后依次deeptutor init、deeptutor start --dev即可--dev会让 Next.js 走热更新。容器、rootless Podman 等部署细节可查仓库里的 CONTAINERIZATION.md。功能全景DeepTutor 的五个能力各解决什么问题一个代理循环跑所有任务Chat、Quiz、Research、Visualize、Solve、Mastery Path 共用同一套 agent loop切换任务目标时上下文跟着学习者走不用在多个工具间搬运。多引擎知识库RAG 库可选 LlamaIndex默认本地向量 BM25、PageIndex、GraphRAG、LightRAG、LightRAG Server 或链接一个 Obsidian 仓库每个库绑定一种引擎用来让回答落在你自己的材料上。Living Book活体教材把知识库、笔记本或聊天记录编译成带测验卡、Manim 动画、交互 HTML、概念图等分块的书每页还有独立的 Page Chat。Co-Writer 选区编辑分栏 Markdown 工作区选中一段让模型改写、扩写或缩写修改以 diff 形式逐条接受/拒绝改前不落地。可审计的 Memory 与 Partner三层文件化记忆让个性化可见、可编辑Partner 是基于同一套大脑的持久 IM 伙伴还可以把 Claude Code、Codex 等 CLI 接进来在对话中途咨询。核心原理单代理循环与三层 Memory 是怎么工作的第一个关键机制是单代理循环。官方说法是模型按回合思考需要时调工具观察结果最后以一条不带工具调用的消息收尾。循环里的上下文分两类一类是粘性会话上下文知识库、Persona、模型、子代理挂在输入栏工具条上、跨回合保留另一类是一次性引用文件、历史会话、书本、题库从菜单带入、只作用于当前回合。还有个特殊工具ask_user——模型不瞎猜而是暂停回合、抛出结构化的澄清问题你回答后它再继续。第二个机制是文件化的三层记忆刻意不做成隐藏向量库L1 是工作区镜像加只追加的事件轨迹trace/surface/date.jsonlL2 是按功能面整理的事实L2/surface.mdL3 是跨功能面综合L3/下的 profile / preferences 等。L2 引用 L1、L3 引用 L2任何一条画像都能顺着引用链查回原始事件Memory Graph 把这层金字塔可视化出来。实战场景DeepTutor 在自学、备课与流水线里的三个用法建一个知识库让答案落在你自己的材料上背景备考前课件 PDF、教材、往年题散落在几个文件夹里直接问通用模型答案和你的课程对不上。在 Knowledge Center 新建知识库并上传文档文档解析引擎Text-only / MinerU / Docling / markitdown / PyMuPDF4LLM在Settings → Knowledge Base里选本地模型下载默认关闭在聊天工具条挂载知识库rag、kb_files、read_source等工具会随回合上下文自动装配用 Quiz 能力或 CLI 的deeptutor run deep_question ...基于材料出题某份文件解析失败时删掉这一份即可不用整库重建重索引写新的version-N目录旧索引不会被毁掉收获回答能追到你的原始材料材料更新后重索引也不用推倒重来。用 DeepTutor Book 编译一本活体教材背景老师想把一学期讲义变成学生能自学的教材不想再手写一套。选定来源知识库、笔记本、题库或聊天记录流程先生成章节大纲供你审确认结构后才生成内容章节编译成有类型的块文字、提示框、测验、闪卡、时间线、代码、Manim 动画、交互 HTML、概念图等块可以插入、移动、单独重新生成或换类型每页有独立 Page Chat学生读到哪问到哪跑deeptutor book health检查底层材料是否已漂移收获得到的是带测验、动画和对话的交互教材而不是一份静态 PDF。从终端或另一个 Agent 驱动 DeepTutor背景你常驻终端或者想把导师变成另一条 Agent 流水线里的组件。deeptutor run capability message单次执行任意能力chat / deep_solve / deep_question / deep_research / visualize / math_animator / mastery_path加--format json输出 NDJSONcontent、tool_call、tool_result、done等逐行事件用done里的session_id续接下一回合无 TTY 环境下ask_user会自动空回复而不是挂死适合 headless 调度仓库根目录的 SKILL.md 是一份约 150 行的交接文档给会调工具的 LLM 读一遍就能操作整个界面只要 CLI 的话从源码检出执行python -m pip install -e ./packaging/deeptutor-cli再deeptutor init --cli收获同一套能力、工具和知识库在终端里、在脚本里、被别的 Agent 调用时表现一致。DeepTutor 的常见坑与边界部署前先看这里PyPI 装完整版要求 Python 3.11–3.13 且 Node.js 20 在 PATH 里只装 CLI 不需要 Web 依赖知识库 / RAG 需要配置 embedding 供应商且本地模型下载默认关闭——不配 embedding 就等于没有 RAGMath Animator 要单独装 extraspip install -e .[math-animator]并依赖系统 LaTeX / ffmpegPartners 的 IM 渠道 SDK 也是 extras代码沙箱默认在本机执行模型生成的代码sandbox_allow_subprocess默认true。不放心就关掉代价是 docx/pdf/pptx/xlsx 等办公技能不再能产出文件默认单用户、无登录开多用户要启用data/user/settings/auth.json里的认证并重启第一个注册者成为 admin另外两类不太合适的情况想要零运维的在线服务或者只想要一个纯云端聊天机器人——DeepTutor 是本地部署体系模型、端口、数据都得自己管。DeepTutor 是一个本地、agent-native、可改造的 AI 导师工作区。下一步去仓库 README 配好模型建第一个知识库。【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