DeepTutor 上手指南：从本地部署到个人 AI 知识库的完整路径
【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor
DeepTutor 是一个开源的智能学习平台：对话、AI 知识库检索、写作、学习手册生成和记忆系统共用同一套 agent 运行时，共享同一个上下文，而不是五个互不相通的网页工具。支持 Web 界面和命令行两种入口，本地部署，数据不出本机。
三步完成本地部署
环境要求：Python 3.11–3.13，Web 版另需 Node.js 20+。推荐路径如下：
pip install -U deeptutor deeptutor init deeptutor start第一行从 PyPI 装完整应用（含 Web 和 CLI）；第二行交互式录入端口、LLM 提供商、API 密钥，可以全部跳过、以后在设置页补；第三行同时启动前后端，保持终端开着。浏览器打开http://127.0.0.1:3782即进入主界面，Ctrl+C停止。不想折腾 Python 环境的话，官方提供单容器 Docker 镜像，只需暴露 3782 一个端口，数据挂卷持久化。想从源码跑，克隆仓库后在web/目录执行npm ci，再pip install -e .即可。
一条典型工作流：从资料导入到复习巩固
导入第一份 PDF 并提问
在 Knowledge Center 点 Create knowledge base，选 Create new，给库起名、挑索引引擎、拖入文档。默认引擎 LlamaIndex 是本地向量加 BM25，开箱即用；GraphRAG、LightRAG 等需要额外安装，索引过程会消耗较多 LLM token。文档解析引擎（MinerU、Docling、Tika 等）在设置页选择。库建好后回到 Chat，在输入框工具栏把该库挂为常驻上下文，之后每轮回答都会先检索库内内容，并给出引用来源。
DeepTutor 开源 AI 知识库创建界面：选择索引引擎并上传文档
对话里它是个会调工具的 agent
Chat 不是纯聊天。模型按"思考—调工具—观察结果—收尾"的循环推进，需要时自己调用 web_search、paper_search、rag、geogebra 分析等工具；信息不够时还会暂停，用结构化提问（ask_user）等你补充再继续。输入框上的常驻上下文（知识库、人设、模型、子代理）跨轮保留，"+" 菜单里的引用只对当前轮生效。
用 Co-Writer 整理笔记
Co-Writer 是左右分栏的 Markdown 编辑器，支持 KaTeX 公式、实时预览、自动保存。它的核心动作是：选中一段文字，让它改写、扩写或缩写。编辑过程可以挂知识库或联网取证，改动以 diff 形式逐条展示，接受或拒绝由你决定，确认前不会落盘。定稿可存入笔记本（Notebook），供后续会话和 Book 模块引用。
DeepTutor 协作文档编辑面板：选中改写与实时预览
生成一本可互动的学习手册
Book 模块把知识库、笔记或聊天记录编译成"活的书"：先生成章节大纲供你审，再逐章编译成可编辑的块——文字、测验卡、时间线、代码、概念图、动画，每章带独立的页边聊天。阅读进度、书签、测验记录按读者私有保存，整本可导出 Markdown，长任务编译中途可以暂停续跑。
三层记忆追踪学习轨迹
Memory 页展示三层结构：L1 是各场景的事件流水，L2 是按场景整理的精炼事实，L3 是跨场景的综合画像。L2 引用 L1、L3 引用 L2，所以任何一条"它认为你掌握什么"的结论都能沿 Memory Graph 追溯到原始事件。记忆是纯文件，可以直接读、改、清，不是黑盒向量库。
架构概览
DeepTutor 系统架构图：入口、运行时编排、agent 核心与服务分层
分五层：入口层（CLI、WebSocket/REST API、SDK）→ 运行时编排（会话管理、统一上下文、流式总线）→ agent 核心（L2 能力如 Chat、Research、Solve、Visualize，L1 工具如 RAG、Memory、MCP、Exec）→ 服务层（LLM、Session、Knowledge、Persona 等）→ 数据与配置（SQLite/PocketBase、data/user/settings/ 工作区）。所有模式共享同一运行时和会话上下文，这是一份知识库能在对话、写作、手册之间复用的前提。
适用人群与典型用法
备考研究生的学生
- 把课程 PDF 和讲义丢进知识库，针对"第三章 卷积定理"提问，要求引用原文页码
- 用 deep_question 能力按章生成测验题，答错的题归档进题库
- 把整份资料生成 Book，边读边做章末测验，进度自动记录
转岗做数据分析的工程师
- 让 Deep Research 就"RAG 落地实践"出一份带引用的调研报告，指定深度和篇幅
- 用 Co-Writer 整理学习笔记，选中段落让它扩写成完整教程小节
- 通过 My Agents 接上本机的 Claude Code / Codex，代码类问题当场咨询
带学生或自学者
- 用 Question Bank 长期积累错题、参考答案与解析
- 配 Mastery Path 设定掌握度门槛，没过的知识点会间隔重现
- 建一个 Partner 挂到 IM 渠道（飞书、Telegram 等），随时在手机上问
配置与扩展
模型方面，在 Settings → Models 添加 LLM 配置文件（Base URL、API key、模型名），本地 Ollama、LM Studio、vLLM 同样支持；知识库检索另需单独添加 embedding 配置；网页搜索可选配搜索提供商。
数据方面，所有配置是data/user/settings/下的 JSON/YAML，用户数据默认存 SQLite，可选 PocketBase；Docker 部署时挂一个卷即可持久化。
扩展方面，支持接入 MCP 服务器引入外部工具；Skills 采用标准 Agent-Skills 格式（SKILL.md 文件夹），可从内置社区注册表 EduHub 一键安装；GraphRAG、LightRAG、Math Animator 等作为可选附加组件安装。
多用户方面，默认单用户、不鉴权；在 auth.json 开启后，首个注册用户成为管理员，其余用户获得隔离工作区和脱敏后的设置页。
已知局限与注意事项
- Python 只支持 3.11–3.13：3.14 下部分编译依赖没有 wheel，安装会失败
- Web 版强依赖 Node.js 20+；Book、Co-Writer 等功能面仅 Web 提供，纯 CLI 没有
- GraphRAG/LightRAG 需单独安装，且索引过程 LLM 调用密集、耗 token，大批量文档的索引时间是真实成本
- Math Animator 依赖 LaTeX 和 ffmpeg 系统库，配置门槛高于其他功能
- 沙箱默认允许在本机执行模型生成的代码（docx/pdf 等办公技能依赖它），介意的话把 sandbox_allow_subprocess 设为 false
- 面向本地单用户设计，多人共用需自行开启鉴权并规划模型、知识库授权
社区与参与
DeepTutor 采用 Apache 2.0 许可证，完全开源，目前没有付费在线产品。贡献流程（分支策略、编码规范）写在 CONTRIBUTING.md；功能路线图开放社区投票；自己写好的 SKILL.md 技能可以通过deeptutor skill publish发布回社区技能库。
常见问题
安装
- 最低 Python 版本？——3.11，最高 3.13，3.14 因依赖缺失不支持。
- 必须装 Node.js 吗？——Web 版需要 Node 20+；只跑 CLI 不需要。
- 能 Docker 部署吗？——能，单容器官方镜像，只暴露 3782 端口即可。
配置
- 没有云端 API key 能用吗？——可以，Base URL 指向本机 Ollama、LM Studio 或 vLLM。
- 建知识库为什么要 embedding？——向量检索需要，在 Settings → Models 单独添加。
- 记忆存在哪、能改吗？——纯文件（JSONL/Markdown），Memory 页可查可改可清。
使用
- 知识库能被多个模块用吗？——能，Chat、Co-Writer、Book、Partner 共享同一个库。
- 支持多人使用吗？——支持，开启 auth.json 鉴权后每人一个隔离工作区。
DeepTutor 把导师、知识库、写作台和复习系统压进一个本地运行的工作区，适合作为你所有学习资料的统一入口。下一步：装好 PyPI 包，跑完上面三条命令，把一份你的 PDF 丢进知识库，问它三个问题。
【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
