如果你用過AI家教
大概會有一個熟悉的感覺
它回答得很快可是它不一定真的記得你卡
在哪裡今天的GitHub雷達
我們來看DeepTutor
它不是把大型語言模型包成聊天框而已
它想做的是一個終身個人化輔導工作區
DeepTutor的問題意識很直接
學習不是一次問答
學生會留下錯題筆記閱讀材料知識庫
還有一堆長期目標
如果這些東西散在不同工具裡
AI很難知道下一步該怎麼幫你
它可能答對這一題
卻完全不知道你為什麼一直卡在同一類題
型所以DeepTutor把Chat Quiz Research Visualize
Solve和Mastery Path接
在同一個agent loop上
你換的是學習任務
不是換一顆陌生的腦
它也把Knowledge Center Book Co-Writer Question
Bank和Memory放進同一個工作
區上下文有機會跟著人走
而不是每次對話都重開機
Knowledge Center這塊
很重DeepTutor不只做一種RAG
而是讓你在LlamaIndex PageIndex GraphRAG
LightRAG
LightRAG Server
甚至Obsidian之間選
這對學習其實很重要
課本論文筆記講義
不一定適合同一種檢索方式
硬套一個向量庫常常只是看起來很聰明
更關鍵的是它的記憶設計
README說DeepTutor有L1 L2 L3三
層Memory不是藏在背後的黑箱向量
庫L1保留事件trace
L2整理各個surface的事實
L3再做跨場景綜合
理想狀態下你可以追回一個個人化判斷到
底從哪裡來論文摘要把這件事說得更研究
一點DeepTutor結合引用可追溯
的解題輔導難度校準的出題
以及動態learner memory
也就是說它不只回答這題怎麼算
還要判斷你現在該練哪種難度該補哪段概
念論文裡還提出TutorBench
用帶個人檔案的學生模擬器做互動評測
這比只看單題答案
更接近真實教學摘要報告personalized metrics平
均提升10.8 general agentic reasoning在
五個backbone models上
提升29.4這些數字是論文報告
不是我們本機重跑的結果
回到產品面DeepTutor的介面比
較像一個學習作業系統
Chat是入口但旁邊還有Partners My Agents
Co-Writer
Book Knowledge Center Learning Space
和Settings
Partners很有意思
它讓持久化的IM夥伴接在同一個brain上
訊息從Web或即時通訊進來
都可以變成同一套ChatOrchestrator的
turn My Agents則把Claude Code Codex
Gemini
Kimi opencode或MiMo這
類外部agent接進聊天
對開發者來說學習研究和實作可以互相呼
叫Book也不是普通PDF
DeepTutor把材料編成互動式活
書可以有章節測驗圖解動畫概念圖和Page Chat
Co-Writer則像一張寫作台
你選一段文字它可以根據知識庫或網路證
據改寫然後用差異對照讓你接受或拒絕
Visualize和Math Animator讓
抽象概念變成圖表互動模組或動畫
數學資料結構模型流程這類內容
純文字有時真的不夠
設定面也做得很集中
模型embedding搜尋TTS STT Image Generation
Video Generation文件
解析工具和MCP
都在Settings裡管理
安裝路徑有四種你可以用PyPI裝完整
本地Web app
也可以source install Docker單
容器或只裝CLI
Docker版本有個實用細節
通常只需要開前端3782
Next.js middleware會
在容器內把API和WebSocket轉
到FastAPI後端
CLI是給agent很好用的入口
deeptutor run可以用JSON串
接單次能力deeptutor chat則
是人類用的REPL
最新README也提到OpenAI Codex OAuth
可以用自己的ChatGPT plan登
入DeepTutor的模型設定
對不想管理傳統API key的人
這一點很吸引人但這裡要踩煞車
DeepTutor功能很大
也代表導入成本不低
你要配置模型embedding文件解
析知識庫引擎權限
還可能要處理多用戶隔離
如果資料來源亂索引錯模型不穩
個人化反而會變成噪音
RAG也不是單選題
GraphRAG LightRAG PageIndex
LlamaIndex
各自適合不同資料和問題
不是打開就一定比較聰明
另外多用戶部署雖然支援隔離
但管理者還是要負責模型授權知識庫grants工
具策略和程式執行風險
所以我會把DeepTutor看成一個
開源教育工作台而不是零設定玩具
它適合願意整理材料建立知識庫記錄學習
狀態的人如果你是老師
可以拿它設計題庫回饋和補救教學
如果你是學生可以把課本筆記和問答串起
來如果你是開發者
它更像一個agent-native learning platform的
參考實作不適合誰
如果你只想要一個最輕量問一句答一句的
chatbot DeepTutor可
能太重但如果你在意的是長期學習脈絡引
用來源工具協作和可追溯記憶
那它就值得花時間拆
一句話總結DeepTutor
它想把AI家教從會回答推到看得見你怎
麼學對我來說最有價值的不是某一個炫技
功能而是知識記憶工具和互動都在同一條
線上如果你想看更多這類開源工具的拆解
記得訂閱GitHub雷達
下支影片見