逐字稿文字預覽
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 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 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 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 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 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 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 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 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 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 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 deeptutor chat則是人類用的REPL 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 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 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 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 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
本次執行流程與問題處理
下達指令
預期流程
- 採用來源字幕（略過語音辨識）
- 來源選擇與品質檢查
- 文字校正與句子單元
- 筆記與發布
- 公開網頁發布
1. 下載與語音辨識
工具：videonote-transcribe-url（主辨識管線：下載、Whisper 辨識與選稿）
處理：下載音訊、以 Whisper 辨識並選出最佳逐字稿
產出：yt_dlp_meta.json（影片元資料）、audio_16k_mono.wav（16kHz 單聲道音訊）、transcript.whisper.json（Whisper 辨識結果）、transcript.json（正式逐字稿）、transcript_selection_report.json（來源選擇報告）
耗時：3.1 秒
關係：依序執行
結果：完成
2. 全文快速校讀
工具：videonote_rapid_transcript_review.py
處理：先速讀完整逐字稿，再修正高可信突兀詞句並列出待確認項目
產出：rapid_transcript_review_report.json（產出檔案）
耗時：22.9 秒
關係：依序執行
結果：完成
3. 建立句子單元
工具：videonote-build-sentence-units
處理：將逐字稿切成帶時間軸的句子單元
產出：sentence_units.json（句子單元）
耗時：1.0 秒
關係：依序執行
結果：完成
4. 時間軸稽核
工具：videonote_timeline_audit.py
處理：檢查時間軸與音訊對齊
產出：timeline_audit_report.json（時間軸稽核）
耗時：1.0 秒
關係：依序執行
結果：完成
5. 品質檢查
工具：videonote_controlled_quality.py（檢查時間軸與品質）
處理：檢查語言、時間軸與可讀性品質
產出：controlled_quality_report.json（品質報告）、language_sanity_report.json（語言檢查）
耗時：0.1 秒
關係：依序執行
結果：完成
6. 播放時間軸回填
工具：videonote_rebase_display_timeline.py
處理：將網頁播放時間軸回填為校正字幕時間
產出：display_timeline_rebase_report.json（時間軸回填報告）
耗時：0.1 秒
關係：依序執行
結果：完成
7. 來源句整理
工具：videonote_prepare_source_entries.py
處理：整理來源句子供時間軸與頁面使用
產出：sentence_units.json（句子單元）
耗時：0.1 秒
關係：依序執行
結果：完成
8. 生成筆記摘要
工具：videonote-generate-note（生成筆記摘要）
處理：生成筆記摘要與重點
產出：note.md（筆記 Markdown）、note.html（筆記 HTML）
耗時：129.3 秒
關係：依序執行
結果：完成
9. 建立筆記頁面
工具：videonote-render-html（產生筆記 HTML）
處理：產生可閱讀的筆記 HTML 頁面
產出：note.html（筆記 HTML）
耗時：0.3 秒
關係：依序執行
結果：完成
10. 發布公開頁面
工具：videonote-publish（發布公開頁面）
處理：發布到公開網站與每日列表
產出：公開筆記網址、result.json（管線結果）
耗時：0.4 秒
關係：依序執行
結果：完成
手動來源字幕
自動來源字幕
Whisper 字幕
- 尚未產生
Qwen 字幕
- 尚未產生
Parakeet 字幕
- 尚未產生
MOSS 字幕
- 尚未產生
聲學時間證據（PyAnnote / WhisperX）
- 尚未產生
校正前後逐字稿
目前待解決問題與初步改善方向
- ⚠️ 全文快速校讀：已套用暫定修正，請確認
segment=2 已先套用暫定修正：它回答得很快可是它不一定真的記得你卡 → 它回答得很快可是它不一定真的記得你卡在哪裡；segment=15 已先套用暫定修正：型所以DeepTutor把Chat Quiz Research Visualize → 所以DeepTutor把Chat Quiz Research Visualize；segment=35 已先套用暫定修正：README說DeepTutor有L1 L2 L3三 → README說DeepTutor有L1 L2 L3三層Memory不是藏在背後的黑箱向量；segment=41 已先套用暫定修正：底從哪裡來論文摘要把這件事說得更研究 → 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
- Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。
- 音訊下載不穩定，需更新 cookies / PO token 後重試精進模式。