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 L1L3 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 个坑附解法坑表现解法Docker 里连不上本地模型容器内localhost不是宿主机在设置中把模型地址改为http://host.docker.internal:11434/v1模型生成的代码直接在本机跑感到不安全在system.json中把sandbox_allow_subprocess设为false想完全离线使用不想连云端本地安装 Ollamaollama pull一个模型如 wizardlm2:7b设置里选 Ollama 作为提供商首次从源码启动很慢卡在构建前端这是正常的deeptutor start首次会执行一次生产构建之后会复用缓存说到离线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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考