DeepTutor 是由香港大学数据智能实验室（HKUDS）开发的开源 AI 个性化辅导平台，于 2025 年 12 月发布，目前 GitHub 星标已超过 2 万。它的核心定位是Agent-Native（原生智能体） 的学习工作空间，强调将记忆、个性化和自主代理作为系统的第一公民，而非附加功能。
DeepTutor界面(来源：deeptutor.info)
主要功能
1. 统一多模式学习工作区
DeepTutor 将六种学习模式整合在同一个运行时中，所有模式共享同一套对话线程和学习者上下文，切换模式时不会丢失上下文：
- Chat：标准对话辅导
- Deep Solve：双循环多智能体逐步解题（尝试→验证→重试）
- Quiz Generation：基于学习材料自动生成难度校准的练习题，支持上传参考试卷模仿原风格
- Deep Research：结合知识库、网页和学术数据库进行系统性文献调研，自动管理引用
- Math Animator：将数学概念转化为可视化动画
- Guided Learning：将课程材料转化为结构化、带检查点的渐进式学习路径
2. 知识库与 RAG 检索
用户可以上传 PDF、Markdown、纯文本等格式的教材、论文、技术手册，系统通过多引擎 RAG（支持 LlamaIndex、GraphRAG、LightRAG 等）构建可检索的知识库，所有回答都附带精确引用来源。
3. TutorBot — 持久化自主辅导智能体
这是 DeepTutor 最具特色的功能。不同于普通聊天机器人，每个 TutorBot 是独立运行的自主代理实例，拥有：
- 独立的"灵魂"（Soul）模板，可定义性格、专业领域和教学风格（如苏格拉底式数学导师、耐心的写作教练）
- 持久化记忆和工作空间
- 可扩展的技能（Skills）系统，支持运行时动态创建新技能
- 主动心跳机制：可定时检查学习进度、推送复习提醒或生成每日练习题
- 多通道部署：支持 Telegram、Discord、Slack、微信、WhatsApp 等平台
4. 三层记忆架构
DeepTutor 将记忆视为核心基础设施而非附加功能：
- L1 轨迹层：记录每次交互的原始痕迹
- L2 表层摘要：会话级别的总结
- L3 综合层：持续演进的学习者画像，追踪已掌握内容、学习风格、薄弱环节和目标轨迹
- 记忆图谱：将概念间的语义关系图谱化，支持跨会话、跨智能体的知识关联
5. 协同写作与 AI Co-Writer
内置 Markdown 编辑器，AI 作为第一协作者，可基于知识库和网页来源同时进行改写、扩写、压缩和自动注释，并支持生成带语音朗读的叙述脚本。
6. 开放生态与多提供商支持
支持 30+ 大语言模型提供商（OpenAI、Anthropic、Gemini、DeepSeek、Ollama 等）、7 种嵌入模型和 6 种搜索工具（包括自托管 SearXNG 和无需 API 密钥的 DuckDuckGo）。提供 Web UI、CLI 和 SDK 三种接入方式，并可通过 SKILL.md 被其他 AI 代理调用。
核心特色
| 特色 | 说明 |
|---|---|
| Agent-Native 架构 | 从底层设计为智能体系统，而非"聊天机器人套壳" |
| 统一上下文 | 六种模式共享同一学习者画像和知识库，避免"每次从零开始" |
| 持久化 TutorBot | 可创建多个专业代理并行运行，各自进化且共享底层知识 |
| 可解释的记忆 | 每条记忆声明都可追溯到证据来源，用户可查看和编辑 |
| 主动式辅导 | 智能体可自主发起复习、推送练习，而非仅被动响应 |
| 开源可自托管 | Apache 2.0 协议，支持 Docker 一键部署，数据隐私可控 |
适合人群
大学生与研究生：需要处理大量教材、论文，进行系统性学科学习和考试备考。DeepTutor 的文献调研、题库生成和知识图谱特别适合理工科和医学等知识累积性强的领域。
自学者与终身学习者：希望建立个人知识管理体系，将分散的学习材料整合为结构化的、可交互的智能知识库。
研究人员：需要进行系统性文献综述、跨领域知识合成，或利用多智能体协作进行复杂问题求解。
教育工作者与培训机构：可上传课程材料构建智能题库和模拟考试，或为学生部署定制化的 TutorBot 提供 24/7 辅导支持。
企业培训与开发者团队：上传产品文档、API 手册和内部知识库，为新员工创建个性化的入职辅导智能体；开发者可通过 CLI 和 SDK 将 DeepTutor 集成到自己的 AI 工作流中。
注重隐私的技术用户：希望自托管 AI 学习工具、避免将学习数据上传至第三方云服务的用户。DeepTutor 的本地部署和 Docker 支持满足了这一需求。
安装
PyPI安装是最顺滑的路径。需要 Python 3.11+ 以及 PATH 上的 Node.js 20+。
mkdir -p deeptutor && cd deeptutor
virtualenv deep_env
source deep_env/bin/activate
# source deep_env/Scripts/activate
pip install deeptutor
# pip install deeptutor -i https://pypi.tuna.tsinghua.edu.cn/simple
deeptutor init # 提示输入端口 + LLM 提供商 + 可选 embedding
deeptutor start # 同时启动后端 + 前端；保持终端开着
deeptutor init 会询问：
后端端口（默认 8001）
前端端口（默认 3782）
LLM 提供商 / base URL / API key / 模型
可选 embedding 提供商（用于 RAG / 知识库）
deeptutor start 之后，打开终端里打印的前端地址 —— 默认是 http://127.0.0.1:3782。按 Ctrl+C 同时停掉后端和前端。
跳过 deeptutor init 也行，应用会以默认端口和空配置启动，进 设置 → LLM 再配也可以。
工作区位于运行命令时所在的目录（首次启动会在那里创建 data/ 目录）。覆盖位置：
DEEPTUTOR_HOME=/opt/deeptutor deeptutor start
deeptutor start --home /opt/deeptutor
安装好后，在浏览器打开http://127.0.0.1:3782即可使用！
安装打开后，试了几个问题，感觉还不错，交互也还顺利。更深的功能有待进一步挖掘。