
DeepTutor
港大 HKUDS 开源的 agent-native 个性化 AI 辅导,把教材变成懂你的私人导师
完全免费开源可私有化
8.5/10
访问官网 ↗核心功能
- 多代理架构,解题、测验、研究、可视化共享同一能力运行时与同一会话上下文
- 上传 PDF、Word、视频、代码等任意格式资料,自动构建统一学习空间
- 自动生成闪卡、测验题与交互式可视化图表,强化记忆
- 内置动态学习者建模,跟踪每个知识点的掌握度并标记薄弱项
- 检索增强(RAG)结合向量库,答案可溯源到原始资料
- 支持 CLI、Web 与持续运行的 TutorBot,可私有化自部署
详细介绍
DeepTutor 是由香港大学数据智能实验室(HKUDS)推出的开源 AI 学习平台,定位是 agent-native 的个性化辅导系统——不止于问答,而是把教材变成会陪你成长的私人导师。技术上它是一个构建在大语言模型之上的多代理系统,整合了检索增强生成(RAG)、动态学习者建模与自适应内容生成:你上传教材、论文或技术手册,它立刻就能帮你解题、出练习题、做深度研究并生成交互式学习可视化。它的核心差异在于「记忆是架构的一等公民」——解题时建立的学习者画像会持续影响后续的解释与练习,不用像通用聊天工具那样每次都从零开始。产品以「八个工作面共享同一运行上下文」组织:主页、伙伴、我的代理、协作写作、书本、学习空间、记忆与知识中心,切换界面不会丢失进度。GitHub 上已积累 2.3 万颗星与 3 千次分支,提供 CLI、Web 界面与持续运行的 TutorBot,也支持私有化自部署。对于想把资料真正变成可追踪、可复盘学习过程的人,它比一次性问答工具更贴近「辅导」的本质。
优缺点
👍 优点
- 开源且可自部署,数据留在自己手里,隐私友好
- agent-native 记忆机制解决通用 AI 工具「聊完就忘」的痛点,学习有连续性
- 资料到导师一步到位,上传文档即生成练习与讲解,省掉手工整理
👎 缺点
- 重度依赖所接大模型的能力与额度,本体不自带模型
- 自部署对普通用户有技术门槛,开箱即用程度不如商业托管产品
- 中文社区与中文教材适配仍在完善,英文生态相对更成熟
