DeepTutor 深度调研报告¶
DeepTutor 深度调研报告
港大数据智能实验室（HKUDS）· 终身个性化 AI 辅导框架 · 2026-08-10
🔗 github.com/HKUDS/DeepTutor ⭐ 33.8k Apache 2.0 Python 3.11+ 活跃（2026-08-10 v1.5.11）
一、是什么
DeepTutor 是香港大学数据智能实验室（HKUDS）推出的开源、终身个性化 AI 辅导框架（Lifelong Personalized Tutoring）——一个 agent-native 的学习工作台，把答疑、问题求解、测验生成、深度研究、可视化与掌握度练习统一到一个可扩展系统里。官方口号："One runtime for every mode"（一个运行时，覆盖所有学习模式）。
核心论文（已核实）：
· Bingxi Zhao, Jiahao Zhang, Xubin Ren, Zirui Guo, Tianzhe Chu, Yi Ma, "DeepTutor: Towards Agentic Personalized Tutoring", arXiv:2604.26962（2026-04-10）
· Bingxi Zhao, Jiahao Zhang, Xubin Ren, Zirui Guo, Tianzhe Chu, Yi Ma, "DeepTutor: Towards Agentic Personalized Tutoring", arXiv:2604.26962（2026-04-10）
二、核心特性
| 特性 | 说明 |
|---|---|
| 统一 Agent 运行时 | Chat（答疑）、Quiz（测验）、Research（研究）、Visualize（可视化）、Solve（解题）、Mastery Path（掌握度路径）全部跑在同一个 agent 循环上——切换目标不换引擎，上下文随学习者迁移 |
| 连接的学习上下文 | 知识库、书籍、写作草稿、笔记本、题库、人设、记忆在所有工作流间共享，而不是隔离在单独工具里 |
| 子代理与伙伴（Subagents/Partners） | 可在任意回合调用 Claude Code、Codex、Gemini、Kimi、opencode、MiMo 等编程 CLI；支持 15+ 即时通讯渠道的常驻 AI 伙伴（TutorBot） |
| 多引擎知识检索（RAG） | LlamaIndex、PageIndex、GraphRAG、LightRAG、Obsidian 库多引擎，可插拔文档解析 |
| 可扩展工具与技能 | 内置工具 + MCP 服务器 + CLI 应用 + 图像/视频/语音生成模型 + EduHub 社区技能 |
| 可检查的三层记忆 | L1 轨迹 / L2 表层摘要 / L3 综合——个性化可见可编辑，Memory Graph 每条主张可追溯到证据 |
三、安装与使用（四种方式）
推荐：PyPI 安装（完整本地 Web 应用 + CLI，无需克隆）：
mkdir -p my-deeptutor && cd my-deeptutorpip install -U deeptutordeeptutor init # 配置端口（后端8001/前端3782）+ LLM 供应商 + 可选 embeddingdeeptutor start # 启动前后端，浏览器打开 http://127.0.0.1:3782要求：Python 3.11–3.13 + Node.js 20+。另有源码安装、Docker 部署、源码+容器混合三种方式。所有方式共享同一工作区布局（data/user/settings/）。
四、为什么值得用（评估）
- 开源可私有化：Apache 2.0，本地部署，数据不出服务器——适合工程学习资料（TCAD/热仿真/AI 论文）沉淀
- 学习链路完整：答疑→测验→掌握度路径→深度研究闭环，不是单点工具
- RAG 多引擎：可以把论文/手册/笔记做成知识库，让 tutor 基于你的资料回答——解决"大模型不懂你的领域资料"的问题
- 可编程 Agent：能调 Claude Code/Codex，适合边学边练编程/仿真代码
- 记忆系统可检查：三层记忆 + Memory Graph，个性化过程透明可修正
注意事项：
① 需要自备 LLM API Key（OpenAI/Anthropic/DeepSeek/国产模型等均可，init 时配置）；
② 项目迭代极快（v1.5.x 每周发版），功能变动频繁，使用以官方 README 为准；
③ 33.8k star 为 2025-12 创建后 8 个月内的快速增长（Trendshift 榜首），热度高但生态仍在演进。
① 需要自备 LLM API Key（OpenAI/Anthropic/DeepSeek/国产模型等均可，init 时配置）；
② 项目迭代极快（v1.5.x 每周发版），功能变动频繁，使用以官方 README 为准；
③ 33.8k star 为 2025-12 创建后 8 个月内的快速增长（Trendshift 榜首），热度高但生态仍在演进。
五、我的使用建议
针对学习场景（TCAD/热仿真/AI/编程）：
① 搭知识库：把《数值传热学》《半导体器件物理》等 PDF、论文、技术文档建成本地知识库，用 DeepTutor 基于资料答疑；
② 掌握度路径：把学习路线（如 2026-08 定稿的 19 个子分类半导体仿真体系）做成 Mastery Path，逐级测验；
③ Agent 联动：学求解器代码时，调用 Codex/Claude Code 边学边写；
④ 研究模式：用 Deep Research 整理新论文（如 FlamePilot/LSTM 调研）——可作为辅助，结论仍需人工核验。
① 搭知识库：把《数值传热学》《半导体器件物理》等 PDF、论文、技术文档建成本地知识库，用 DeepTutor 基于资料答疑；
② 掌握度路径：把学习路线（如 2026-08 定稿的 19 个子分类半导体仿真体系）做成 Mastery Path，逐级测验；
③ Agent 联动：学求解器代码时，调用 Codex/Claude Code 边学边写；
④ 研究模式：用 Deep Research 整理新论文（如 FlamePilot/LSTM 调研）——可作为辅助，结论仍需人工核验。
六、基本信息
| 项 | 值 |
|---|---|
| 仓库 | https://github.com/HKUDS/DeepTutor |
| 机构 | 香港大学数据智能实验室（HKUDS） |
| 许可证 | Apache License 2.0 |
| 语言 | Python 3.11+ / Next.js 16（前端） |
| Star/Forks | 33,855 / 4,354（2026-08-10） |
| 创建 | 2025-12-28 |
| 论文 | arXiv:2604.26962（2026-04） |
| 文档/社区 | deeptutor.info / Discord / 飞书 / 微信 |
来源声明：本报告信息来自 GitHub 官方仓库 README（2026-08-10 抓取）+ arXiv 论文核实。引用数据以官方为准。