企业官网建设流程全解析

如何快速上手 DeepTutor：搭建个人 AI 家教与知识库的入门实战指南

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

把课程讲义和历年真题放进本地知识库，再在网页里提问，得到的答案都出自你自己的材料——这是 DeepTutor 最日常的用法。它是一个开源、agent 原生的个人学习工作区，把对话答疑、知识库检索、出题、引导学习和文件化记忆整合进同一套可自托管的应用里。

DeepTutor 是什么

一句话概括：DeepTutor 是能装在自己机器上的“AI 家教 + 知识工作台”。它的定位和门槛，可以从四方面看：

• 它是什么：HKUDS 团队主导的开源项目（Apache 2.0 许可），后端 FastAPI 服务、前端 Next.js，附带一个同名的deeptutor命令行工具。
• 给谁用：想围绕自有资料搭“家教”的自学者、需要整理课程资料的教师，以及希望从其他 agent 里调用学习能力的开发者。
• 核心能力：Chat、Quiz、Research、Visualize、Solve、Mastery Path 六种能力跑在同一个 agent 循环上；知识库、题库、笔记本、Co-Writer 草稿、三层记忆在这些能力之间共享，而不是散落在各自独立的工具里。
• 使用门槛：pip install -U deeptutor安装、deeptutor init配置、deeptutor start启动；需要提供 LLM API key（本地 Ollama 也可以），或者直接用 Docker 单容器部署。

下面挑三个最核心的功能展开。每个功能都对应仓库里一个独立的模块目录，想深入可以直接翻源码。

核心功能详解

用自有资料建知识库（RAG）

解决“AI 回答只靠模型通用知识、来源不可考”的问题。

每个知识库绑定一个检索引擎：默认 LlamaIndex（本地向量 + BM25），也可选 PageIndex、GraphRAG、LightRAG，或链接一个 Obsidian 笔记库。索引按version-N目录版本化管理，重建索引不会毁掉可用的旧索引，生命周期管理见 deeptutor/knowledge/，检索管线在 deeptutor/services/rag/。

用户实际得到的是：Chat、Co-Writer、Book 生成引用的是同一套知识库；某篇文档解析失败时，只删除该文档即可，不必整库删除重建。

能调用工具的聊天循环

解决“普通聊天只会说话，不能查资料、跑工具、咨询别的 agent”的问题。

模型按轮次思考，需要时调工具、观察结果，最终以一条无需工具的消息收尾；信息不够时ask_user会暂停当前回合、提出一个结构化澄清问题，等你回答再恢复。循环实现在 deeptutor/core/agentic/，聊天侧的流程与提示词在 deeptutor/agents/chat/。

用户实际得到的是：同一个线程里可以从提问自然过渡到查库、联网检索、生成测验；从该线程切到 Quiz、Research 或 Mastery Path 时，上下文会跟着走，不用重新粘贴背景。

带掌握度门槛的引导学习

解决“通用聊天无法回答‘这个人哪些知识点还没过关’”的问题。

deeptutor/learning/ 负责掌握度判定（mastery）、学习调度（scheduler）与题目判分（grading）；引导学习流程构建在同一个聊天 agent 循环之上，按题型设置掌握度门槛，判分结果流入题库，进度在/learning页面以看板形式展示。

用户实际得到的是：学习看板里能看到哪些知识点尚未过关；生成过的题目带着你的作答、参考答案与解析进入题库，后续聊天中可再次引用。

一个真实场景的完整走通

功能清单读起来容易抽象。下面以“准备一个三角函数单元”为例，按时间线走完从资料到题目的全流程。

1. 运行deeptutor init，按提示输入后端端口（默认 8001）、前端端口（默认 3782）、LLM 供应商与 API key；计划用 RAG 就同时配置 embedding 供应商。配置以 JSON 写入data/user/settings/。
2. 运行deeptutor start，后端与前端同时拉起，浏览器打开 http://127.0.0.1:3782 进入主界面。
3. 在 Knowledge Center 新建知识库，上传讲义 PDF 和历年真题；终端等价命令是deeptutor kb create my-kb --doc textbook.pdf。文档解析完成后索引构建完成。
4. 在 Chat 的上下文栏选中该知识库，提问“sin²x 为什么不能按 cos2x 处理”，回答会落在知识库内容上而不是泛泛而谈。
5. 在同一线程切换到 Quiz 能力，基于该知识库生成分层练习题，题目随作答、参考答案与解析一并进入题库。

DeepTutor 主聊天界面：知识库、模型、子代理等上下文固定在输入栏，左侧边栏是各学习入口

快速开始（3 步跑起来）

只想验证一遍的话，按下面三步走；不想装 Python 环境的，直接看下一节的 Docker 方案。

1. 确认环境：完整应用需要 Python 3.11–3.13 与 Node.js 20+。

# 检查版本 python3 --version node --version

2. 安装并初始化工作区。

# 从 PyPI 安装完整应用（Web + CLI） pip install -U deeptutor # 按提示配置端口、LLM 供应商与 API key deeptutor init

3. 启动并访问。

# 同时启动后端与前端，终端会打印访问地址 deeptutor start

随后在浏览器打开 http://127.0.0.1:3782，在 Settings → Models 里确认模型连接状态即可开始使用。

常见问题与选择建议

配置过程中遇到问题，先在这里查。四种安装方式共享同一套data/user/settings/布局，切换方式后配置可以沿用。

问：没有云端 API key，能跑吗？

可以。把 LLM 的 Base URL 指向本地模型服务即可，例如 Ollama 的http://127.0.0.1:11434/v1、LM Studio 的http://127.0.0.1:1234/v1。容器内运行时注意：容器里的 localhost 指向容器本身，需要加--add-host=host.docker.internal:host-gateway，然后把地址写成http://host.docker.internal:11434/v1。

问：四种安装方式怎么选？

问：和通用聊天机器人有什么不同？

DeepTutor 是自托管的学习工作区：知识库、题库、笔记本、三层文件记忆（L1 事件轨迹 / L2 整理事实 / L3 综合）都落在本地data/目录，L3 的每一条结论都能沿引用链回溯到原始事件，而不是存在一个不可审计的向量库里。CLI 的deeptutor run <capability> --format json会逐行输出 NDJSON 事件，可以直接包装成工具供其他 agent 调用。

DeepTutor 把辅导、知识库、记忆和学习路径做成了可组合、本地可查的模块，上面每条命令都能在 README 与deeptutor_cli/中逐一核对。现在就可以克隆仓库，按“快速开始”三步建起第一个知识库。

# 克隆仓库 git clone https://gitcode.com/GitHub_Trending/dee/DeepTutor

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