5分钟快速上手DeepTutor：开源AI学习助手，把你的资料变成终身私教-育师

5分钟快速上手DeepTutor：开源AI学习助手，把你的资料变成终身私教

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

你有没有这种经历：装了不止一个AI工具，问它问题却总觉得"答得飘"。你上周刚跟它讲过的资料，这周它就忘了；你辛辛苦苦整理的PDF、讲义、笔记，它一样也用不上。问题通常不在模型，而在工具把你当成了一个"陌生用户"。DeepTutor 是一款开源的 AI 原生学习助手，它做对了一件事——把"记住你、接住你的资料、自己调用工具"这三件事焊死在学习场景里。这篇上手文只讲一件事：怎么在 5 分钟里把它跑起来，然后立刻用上。

先说结论：DeepTutor 不是"又一个能聊天的网页"。它是一个代理原生的学习工作台，聊天、出题、研究、解题、可视化全部跑在同一套智能代理循环上，知识库、书籍、草稿、记忆在所有功能之间共享。你给它一份资料，它就能基于这份资料辅导你；你上个月学过的内容，它记得住、查得到、改得动。这才是它和普通聊天机器人之间最本质的差别。

DeepTutor系统架构图：展示AI学习助手从入口层到数据层的分层设计

先别急着装：它到底比普通聊天机器人多了什么

一句话定位：DeepTutor 给你的是一位"记得住你、接得上资料、能自己调工具"的 AI 导师，而不只是一个会说话的大模型。

一个运行时跑所有模式：聊天、测验、研究、解题、掌握度练习共用同一套代理引擎，切换的是目标而不是引擎，上下文跟着学习者走；
上下文随身带：知识库、互动书、写作草稿、笔记本、题库、人格设定和记忆，在任何工作流里都能被调用，而不是各存各的孤岛；
可检视的记忆：它记的每一句话都有出处，你可以查看、修改甚至清空，不是藏在向量库里的黑盒。

原理讲完，现在直接上手。打开终端，咱们三分钟把工作台搭起来。

装上：三条命令，一个属于自己的工作台

安装是最省心的部分——不需要 clone 整个仓库，一条 pip 命令就能拿到完整的前后端。

mkdir -p my-learning && cd my-learning pip install -U deeptutor deeptutor init deeptutor start

deeptutor init会依次问你后端端口（默认 8001）、前端端口（默认 3782）、LLM 提供商与模型；嫌麻烦可以回车跳过，之后到设置页再补；
deeptutor start一次性拉起后端和前端，看到终端打印出地址后，浏览器打开http://127.0.0.1:3782就是你的学习工作台；
想停服务？在那个终端按Ctrl+C，前后端一起停。

如果你想改源码、跟着项目一起迭代，也可以走源码安装，仓库地址为https://gitcode.com/GitHub_Trending/dee/DeepTutor，clone 下来后依次执行python -m pip install -e .、( cd web && npm ci --legacy-peer-deps )、deeptutor start --dev即可进入开发模式。两种方式的目录布局完全一致，配置文件都放在工作目录下的data/user/settings/里。

接模型：云端密钥，或彻底离线，二选一

打开工作台后第一件事，是给系统接上一个"大脑"。进入Settings → Models，添加一个 LLM 配置（Base URL、API Key、模型名），保存即可，设置页支持"先存草稿再应用"，配错不会影响当前会话。

想完全离线学习？DeepTutor 对本地模型的支持很顺滑，推荐搭配 Ollama：

ollama serve ollama pull wizardlm2:7b

然后在设置页把 LLM 的 Base URL 填成http://127.0.0.1:11434/v1，模型名填你拉取的本地模型，保存就完成了。整个推理过程不经过任何云端，断网也能学。设置页还内置了中英文界面切换和 Default / Cream / Dark / Glass 四套主题，离线环境下同样生效。

喂资料：让每个回答都有出处

模型接好之后，下一步是喂资料——这是把 DeepTutor 从"通用聊天"变成"私人导师"的关键一步。进入Knowledge Center，新建知识库，把 PDF、DOCX、PPTX、Markdown 拖进去，系统会自动解析、建立索引，之后聊天里的回答都会基于这些资料，并给出引用来源。

多引擎可选：默认 LlamaIndex（本地向量 + BM25），也可以换成 GraphRAG、LightRAG、PageIndex，或者直接关联你的 Obsidian 笔记库，每种知识库绑定一个引擎；
索引带版本：重新建索引会生成新的版本目录，旧的索引不会被打断，出问题时还能回退；
终端党可用：deeptutor kb create my-kb --doc textbook.pdf一条命令完成同样的操作。

如果你手头正好有一份《机器学习》讲义，试着把它传进去，然后问一句"请结合资料解释梯度下降的收敛条件"——你会看到回答带上了具体的段落引用，这就是资料库接地的效果。

记性不好？三层记忆替你兜底

学习最怕"学了就忘"。DeepTutor 的三层记忆系统，专门解决 AI 记不住你的问题，而且每一层都看得见、改得动：

L1 工作区镜像：实时记录你的每一次交互，形成可回溯的事件轨迹；
L2 表面摘要：为聊天、笔记本、题库等每个学习表面整理出精炼事实；
L3 跨表面合成：把不同场景的学习内容关联起来，形成你的长期画像。

在Memory页面，你能看到 L2 引用了 L1、L3 引用了 L2 的完整链条，记忆图谱把每一句话追溯到最初的原始事件。这意味着系统"记住你"的方式是可以审计的——如果它记错了，你直接改文件就行。终端里也可以随时用deeptutor memory show查看当前记忆内容。

从"聊"到"书"：把对话沉淀成一套读物

聊过的内容不应该是流水账。DeepTutor 的 Book 引擎可以把你的资料和对话编译成一册"活书"——不是静态 PDF，而是由类型化模块组成的互动读物：文字、测验卡片、时间线、代码、交互组件、动画、概念图都可以是书里的一个块，每页还带独立的侧边对话，读到哪里问到哪里。创建时会先给你一份章节大纲，确认结构后再生成内容，不会一次性盲目输出。

配套的 Co-Writer 协作写作工具则负责"精修"：左边编辑、右边实时预览（支持 KaTeX 数学公式和 Mermaid 图表），选中任意一段文字，就能让 AI 基于知识库重写、扩写或精简，每次改动都以"接受/拒绝"的差异对比形式呈现，落不落盘由你说了算。写论文、整理课程笔记、生成复习提纲，都在这两个界面里完成。

换种姿势：终端、子代理和团队玩法

同样的能力，DeepTutor 还提供了另外几条入口，适合不同习惯的人。

终端党：deeptutor chat进入交互式对话，deeptutor run deep_solve "求 x^2=4" --format json支持一次调用并输出结构化 JSON，方便脚本或别的 Agent 直接驱动；
子代理：在My Agents里连接本地的 Claude Code、Codex 等命令行 Agent，聊天中随时@调用它，让另一个 AI 参与当前回合；
团队与多用户：开启认证后，每位用户拥有完全隔离的会话、记忆和知识库，管理员通过授权控制每个人能用哪些模型、知识库和工具，适合教育机构或小团队共建；
常驻伙伴：Partners 可以把同一个"大脑"接到飞书、Telegram、Slack、Discord 等十几条 IM 渠道，让导师 24 小时在线。

别贪多，先专注把前面几步走通，再慢慢解锁这些玩法。