DeepTutor 上手指南:把解题、研究和写作装进同一个本地 AI 工作台

发布时间:2026/9/2 9:08:59
DeepTutor 上手指南:把解题、研究和写作装进同一个本地 AI 工作台 DeepTutor 上手指南把解题、研究和写作装进同一个本地 AI 工作台【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutorDeepTutor 是一个能装在自己机器上的多智能体学习工作台解决的是资料分散、问答各说各话、学完就忘的老毛病。它把聊天、解题、出题、深度研究、可视化和学习路径跑在同一条 Agent 循环上知识库和记忆在所有功能之间共享。适合想在本地搭一套私有化、能持续沉淀的学习系统的人——学生、老师和研究者都适用。三步把 DeepTutor 跑起来装完整 Web 版只需要两样运行时Python 3.11–3.13 和 Node.js 20都在 PATH 里即可。最省事的路线是从 PyPI 装不用克隆仓库pip install -U deeptutor deeptutor init # 交互式填端口、LLM 提供商和模型 deeptutor start # 同时起后端和前端终端会打印访问地址起完之后在浏览器打开Settings → Models填上 Base URL、API key 和模型名就能用想接 Ollama 这类本地模型也在这里配。要跑在 Docker 里、或者只装无界面的 CLI 版细节都在 README.md 的 Get Started 一节。一道题卡住了它怎么带你拆Deep Solve先列计划再逐步骤走Deep Solvedeep_solve不是一句话丢答案而是先固化一份解题计划再一步步往下推某一步走不通时它带着有限的重新规划预算自己调整不会死循环。你可以给它挂上某个知识库让它边解边做 RAG 检索也允许它跑代码去验证中间结果。CLI 里一条deeptutor run deep_solve ... --kb my-kb就能跑Web 界面里则是聊天输入框下 More Capabilities 的一个入口。Mastery Path带掌握门槛的学习路径Mastery Path 会按你的知识水平生成一条结构化学习路径关键是有硬门槛某一类题没答对就不让你进下一阶段并用间隔重复把该复习的题排进日程。适合把它当成一个不随你情绪松动的陪练。想出一份报告或一本小册子Deep Research从选题到带引用的报告给一个主题Deep Research 先不急着动笔而是先吐出一份子主题大纲让你确认、修改然后对每个子块独立跑思考→调工具→追加→收尾的循环最后整合成带引用的报告每个论点都能回溯到来源。适合写综述、开题前摸清一个方向。DeepTutor Co-Writer 选中改写界面左侧 Markdown 编辑右侧 KaTeX 公式实时渲染Co-Writer改哪段说哪段Co-Writer 是一个双栏 Markdown 工作台主打外科手术式编辑选中一段让它改写、扩写或压缩改动会结合知识库或网络证据生成并先以 diff 形式摆出来你逐条接受才真正落地不会被无声替换。Book把资料编译成活页书Book 能把你的知识库、笔记或聊天记录编译成一本活页书先给章节大纲让你审再编译成类型化内容块文字、测验、代码、动画、交互 HTML每页还带独立的 Page Chat。资料更新后可以用deeptutor book health检查页面是否已经偏离源知识。DeepTutor Book 把资料编译成可交互的活页书章节支持测验与动画块学过的知识别再散在聊天记录里Knowledge Center多引擎知识库知识库是所有功能的地基——它支撑聊天、Co-Writer 改写、Book 生成和深度研究。这里能选检索引擎默认的 LlamaIndex本地向量 BM25、GraphRAG、LightRAG、PageIndex或直接挂一个 Obsidian 仓库原地读写。重建索引会写进新的version-N目录不会毁掉正在用的那份单个解析失败的文档也能单独删掉。DeepTutor Knowledge Center 多知识库管理与文档索引界面Memory可追溯的三层记忆Memory 是文件式的三层结构不是藏起来的向量库L1 是带时间的事件轨迹L2 是按功能整理的沉淀事实L3 是跨功能的综合画像且 L3 引用 L2、L2 引用 L1——每一条结论都能一路追到原始事件。Memory Graph 把这层引用关系画成图方便你审计它到底凭什么这么认为我。这些功能背后是同一条 Agent 循环上面看似各做各事其实解题、出题、引导学习都建在同一个AgenticChatPipeline上模型按思考→行动→调工具→观察→回应的循环跑需要时调 RAG、读记忆、跑代码、问用户最后用一条不带工具调用的消息收束。各能力的实现就分散在 deeptutor/capabilities/ 目录里想看某个流程具体怎么编排直接翻对应的capability.py比读文档更快。DeepTutor AgenticChatPipeline 的五步循环Think、Act、Call Tool、Observe、Respond想继续深入官方文档站和仓库内 CONTRIBUTING.md 讲了怎么提 roadmap、怎么上手贡献觉得这套本地学习工作台省了事顺手给项目点个 Star 就是对持续迭代最直接的鼓励。【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