这个开源项目，有点东西！2.9 万 Star DeepTutor

嗨，我是小华同学，专注解锁高效工作与前沿AI工具！每日精选开源技术、实战技巧，助你省时50%、领先他人一步。👉免费订阅，与10万+技术人共享升级秘籍！

你以为 AI 讲得够详细，你就一定能学会？现实不是这样。

很多 AI 工具只负责把答案说出来，却不负责确认你是否理解、能不能迁移、下一次还记不记得。

这篇用 3 分钟讲清 DeepTutor：它不是把聊天框做得更花，而是把讲解、资料、练习和记忆串成学习过程。

DeepTutor 封面：学会，不只是答对

DeepTutor 是什么

一句话概括：DeepTutor 是一个面向长期学习的开源 AI 工作区。

它把聊天、解题、深度研究、可视化、测验和掌握度练习放进同一个 Agent 运行时。项目目前约有 2.9 万 Star，采用 Apache-2.0 许可证，支持 Python 3.11+ 和 Next.js 16。

DeepTutor 官方界面截图：学习工作区

为什么“看懂了”，还是不会做

普通聊天机器人往往是这样的：你提问，它给答案；你追问，它继续补充；对话结束，学习也结束。

问题在于，它通常没有持续追踪这几件事：

• 你的学习目标是什么；
• 你正在使用哪些资料；
• 哪些概念已经掌握，哪些地方一直卡住；
• 你能不能独立完成下一道类似问题。

DeepTutor 的反差就在这里：它不满足于“回答正确”，而是试着把“理解、练习、反馈、复习”连起来。

白板手绘创作图：从给答案到陪你学

它把学习过程拆成了什么

1. 一套运行时，覆盖多种学习模式

Chat、Quiz、Research、Visualize、Solve 和 Mastery Path 不是互相割裂的功能，而是共享同一套 Agent Loop。用户可以先让它讲解，再让它出题，最后根据答题结果继续练习。

2. 一份上下文，贯穿整个学习过程

知识库、书籍、笔记、问题集、Co-Writer 草稿、用户画像和 Memory，都可以成为后续回答的上下文。这样做的好处是：AI 不只是记住上一句，而是逐渐理解你正在学什么。

3. 多种检索引擎，适配不同资料

项目集成了 LlamaIndex、PageIndex、GraphRAG、LightRAG，也支持关联 Obsidian Vault。文档问答不再只有“切块后向量搜索”这一条路，最近版本还加入了基于 Agent 工具调用的 PageIndex 检索能力。

4. 记忆、Skills 和 Partners 可以继续扩展

Memory 负责积累学习轨迹，Skills 负责扩展能力，Partners 则可以连接 Claude Code、Codex 等外部 Agent 或持续协作的伙伴。

官方项目原图：DeepTutor 系统架构

真正值得程序员看的，是这条 Agent Loop

从工程角度看，DeepTutor 最值得参考的不是某个页面，而是它把学习能力组织成了一个可观察的 Agent Loop：

Think → Act → Call Tool → Observe → Respond

每次运行都可以带上用户消息、会话历史、Memory、Persona 和 Skills，再通过工具调用检索资料、执行任务、生成可视化或发起练习。

这套设计给开发者的启发很直接：如果你的产品也需要“长期陪伴”，不要只堆一个聊天框，应该把上下文、工具、记忆、反馈和评估设计成一条完整链路。

最近更新，说明它正在往哪里走

DeepTutor 在 2026 年 7 月 19 日发布的 v1.5.2，加入了可配置的聊天附件限制，以及通过 Agent 工具调用跨文档检索的 PageIndex 能力，同时继续扩展模型支持和学习工作区体验。

从最近一段版本演进看，它正在从“能问答的 AI 工具”走向“可持续运行的学习操作系统”：有知识库，有记忆，有伙伴，有技能，还有可以复盘的运行轨迹。

适合谁，不适合谁

它也不是“装上就能替你学会”的魔法。真正的价值，是把学习过程变得可持续、可追踪、可复盘。

3 分钟试一下

官方提供了 PyPI 安装方式，Python 3.11+、Node 20+ 环境可以先这样启动：

mkdir -p my-deeptutor && cd my-deeptutor
pip install -U deeptutor
deeptutor init
deeptutor start
```bash

默认前端地址是 http://127.0.0.1:3782。启动后，在 Web 设置里配置模型和 Embedding 服务，再导入一份自己的资料，观察它如何从“回答问题”变成“继续追问、检索、练习和反馈”。

白板板书创作图：DeepTutor 从目标到练习的 Agent 学习闭环

小华的判断

DeepTutor 值得关注的地方，不是它又做了一个 AI 聊天页面，而是它把一个容易被忽略的问题摆到了台面上：AI 给出答案，不等于用户获得能力。

如果你正在做 AI 教育、企业知识库、个人知识管理或 Agent 产品，可以重点研究它的三件事：

1. 如何让多个功能共享同一个 Agent Runtime；
2. 如何把 RAG、Memory 和 Skills 组合成长期上下文；
3. 如何用练习、掌握度和运行轨迹验证“真的学会了”。

下一步可以继续拆它的 Memory、Partners 和 Guided Learning 设计，这些部分比“接一个大模型 API”更值得借鉴。

项目地址

https://github.com/HKUDS/DeepTutor