start	end	text
0	5600	每周拆解一個頂級開源項目,這周是DeepTutor,港大開源的AI私人導師工作台。
5600	13400	各位觀眾老爺們,肯定都有類似經歷,收藏夾裡躺著很多高質量學習資料,技術教程書,學習資料,考試資料等等。
13400	25000	收藏時很熱血,真到自學就卡住了,沒人按你的知識儲備和學習目標排路線,沒人抽查重點,看懂了也很容易以為自己真會了,學過的歷史也串不成圖譜,錯題和薄弱點很快散掉。
25000	38000	所以DeepTutor真正要做的,是先根據你的基礎和目標定制學習路線,學的過程中,他用閃卡和測驗不斷抽查重點,學完之後再把錯題和薄弱點沉淀到金屬記憶裡,這三件事合起來才像一個真的私人導師。
38000	51000	今天就拿兩個高新AI Agent學習資料實測,Learn Cloud Code,7萬多星,偏工程實戰,適合跟著手挫Agent,AI Agent Book,3萬多星,偏系統原理,一個練手,一個補底層,正好一起學。
51000	58000	接下來把兩份資料導進DeepTutor,新建知識庫,填好名字,再把兩個項目的Markdown一起選進去。
58000	65000	等索引完成,同一個知識庫裡,兩邊文件都會變成ready,後面的路線,出題和學習,就都從這批真實資料裡來。
65000	72000	資料導入之後,接著就要自定義學習路線,關鍵在於先告訴他我是誰,基礎怎樣,這次到底想學成什麼。
72000	79000	一類目標是實戰手挫開發Agent Harness,另一類是從原理層面系統理解Agent的底層架構,目標不同,路線也就不同。
79000	87000	手挫Agent的開發學習路線的大綱,從最小Agent的loop循環開始,先跑出第一版Agent,再逐步補齊工程細節。
87000	95000	Agent的原理學習路線這邊,會先從認識Agent的架構開始,再順著上下文,工具,記憶和評估,把底層框架串起來。
95000	105000	拿到教材之後就可以進入學習了,每一張都會被拆成可讀的概念,例子和練習,比如第一張先看目錄,再進入最小Agent的loop和工具調用機制。
105000	113000	學習過程中,內容不會只攤開給你看,Flashcards會逼你停下來回憶核心概念,避免看懂了就以為自己會了。
113000	120000	請接著QuickCheck會圍繞Stop Reason,工具調用和Agent loop直接出題,讓你先判斷,再揭示答案。
120000	129000	如果還想考,自己測驗快會繼續追問實現細節,Stop Reason怎麼分支,工具結果怎麼回寫,循環什麼時候退出,這樣學習才從看過,變成真的會用。
129000	139000	最後,學習結果會進入金屬路徑,最小loop,權限,hooks,subagin,上下文壓縮,記憶,mcp和生產化都會留下進度,後面可以按薄弱點繼續推進。
139000	149000	最後再看原理,Deep Tutor能把這些串起來,是因為同一個學習閉環把資料,目標,教材,測驗和記憶接在一起,先檢索兩份資料,再按目標上。
149000	162000	在目標生成路線,作題結果和學習進度,又回到金屬路徑裡。所以,它接住的是完整學習動作,兩份資料進入知識庫,目標決定教材路線,學習時不斷抽查,錯題和薄弱點再沉澱進金屬路徑。
162000	172000	所以,這期我最想說的,不是Deep Tutor又多了幾個AI功能,而是它把收藏夾裡的硬資料,變成今天就能開始的路線,問題和反饋。
172000	180000	資料不缺,缺的是一套能逼你往前走的學習機制,別只收藏,拿它開鏈。每週拆解一個頂級開源項目,下期繼續。