DeepTutor 是香港大学数据智能实验室(HKUDS)开源的 AI 学习工作台:把教材、讲义、PDF 交给它,它能据此搭一本可交互的“书”、拆出一条按知识点推进的学习路径,把错题收进题库并排好复习日期。它的重点是让教材、出处、学习和复习进度留在同一工作区,方便下次接着学。适合自学一门课、啃一本教材、备考的人。代价是要自己部署,还要自备模型:云端 API 按服务商的套餐计费,本地模型则占用自己的计算资源。项目采用 Apache-2.0 许可,截至 11 月 19 日,GitHub 上约 6.06 万星。

放一本自己的教材进去能做什么
学一门课往往要反复翻同几份资料、回头查以前做过的题。DeepTutor 把资料、对话和进度放进按课程或项目建立的工作区,然后按你想做的事选功能。
| 你想做的事 | DeepTutor 里用什么 | 会留下什么 |
|---|---|---|
| 让 AI 参考我的教材和讲义回答 | 知识中心(Knowledge Center)建知识库,聊天时勾选 | 在回答里查看匹配到的出处,点回原文核对 |
| 把一堆资料整理成能读的课本 | Book | 先给章节大纲供你确认,再生成可编辑的章节,含测验、闪卡、时间线、概念图等内容块 |
| 定一个学习目标,按部就班学 | Mastery Path | 知识点地图、每个主题的对话和掌握情况记录 |
| 对着 PDF、网页、视频边看边问 | Immersive Reading | 高亮、笔记、阅读进度和带出处的对话 |
| 刷题、复习错题 | 题库 + Practice | 答案、错题、记忆评分和下次复习日期 |
| 安排学习时间 | Task Board 和 Calendar | 任务看板、重复提醒,可导出 .ics 到 Apple、Google、Outlook 日历 |
做闪卡的人会喜欢一个细节:笔记页里的闪卡可以直接导出成 Anki 能导入的文件,卡组按 DeepTutor::笔记标题 命名,数学公式也保留。另外它的“记忆”分成三层(原始记录、事实、归纳),可以在界面里查看和修改 AI 记住了你什么,不是一个看不见的黑盒。

装哪个版本
想用 Web 界面,可以选桌面、Docker、PyPI 完整版或源码。平时只在终端用,也能只装核心包。
| 装法 | 适合谁 | 需要准备 |
|---|---|---|
| 桌面版 Open DeepTutor(预览) | 不想碰命令行的 Mac、Windows 用户 | 到 Releases 下载 Apple Silicon / Intel 的 DMG,或 Windows 安装包、便携 ZIP;内置 Python 和 Node.js |
| Docker | 想最快试完整网页版 | 装好 Docker,一条命令启动,浏览器打开 127.0.0.1:3782 |
| PyPI 完整版 | 常用 Python 的人 | Python 3.11–3.14、Node.js 20.9 或更新版本,pip install -U "deeptutor[full]" |
| PyPI 核心版 / CLI | 只想在终端里聊天、给别的代理调用 | 不需要 Node.js,pip install -U deeptutor |
| 源码 | 开发者、想跟最新 dev 分支 | Python 3.11–3.14、Node.js 22 LTS |
Docker 是最省事的试用方式,官方命令如下,数据存在名为 deeptutor-data 的卷里。以后重建容器时继续挂载同一个卷。
docker run --rm --name deeptutor \
-p 127.0.0.1:3782:3782 \
-v deeptutor-data:/app/data \
ghcr.io/hkuds/deeptutor:latest
用 PyPI 时,先选一个固定的运行目录放配置和数据。安装 deeptutor[full] 后,在同一目录运行 deeptutor init,然后运行 deeptutor start 启动网页。直接安装 deeptutor 得到的是核心 CLI 和 SDK。从 1.6.15 或更早版本升级的,官方要求先停服务、备份数据目录,再卸掉旧的 deeptutor-cli 包。Windows 桌面版目前没有签名,可能弹出 SmartScreen 警告。
模型和费用怎么算
DeepTutor 本身免费,但它只是“家教的身体”,“大脑”得你来接。首次运行 deeptutor init(或在网页设置里)要填三样:
- 语言模型:填服务商、接口地址、API Key 和模型名。按项目文档选择服务商或 OpenAI 兼容的连接。调用费用和功能支持取决于服务商与具体模型。
- 向量模型(embedding):按知识库引擎的要求配置。使用默认 LlamaIndex 的向量检索时要选 embedding 模型。已有向量索引换模型后要重建。
- 搜索服务:可选,用于联网搜索。
想把语言模型推理留在本机,可以接 Ollama、LM Studio 等本地服务。Docker Desktop 通常能直接解析 host.docker.internal,Linux Docker Engine 可在启动容器时加 --add-host=host.docker.internal:host-gateway。以 Ollama 为例,语言模型接口填 http://host.docker.internal:11434/v1,并确认容器能连上主机上的服务。本地模型能不能撑住出书、出题这类长任务,取决于你的显卡和所选模型。
DeepTutor 的设置里还提供 OpenAI Codex 登录入口。可用功能和用量按实际登录账号显示为准。
拿一本教材试一遍
官方文档里的学习功能可以串成一条教材工作流。首次上手,先让一本书跑通,再决定要不要搬进更多资料。
- 新建一个工作区,比如“线性代数”。
- 在 Resources → Knowledge Center 新建知识库,上传教材 PDF,等索引完成。
- 到 Learning → New learning 选 Book,从这个知识库生成一本书,先看它给的章节大纲,不合适就改,再生成正文。
- 读到卡住的地方,用每一章自带的 Page Chat 追问;在普通聊天里,选中回答里的文字还能打开 Little Tutor 侧栏单独追问,不打断主对话。
- 把练习中的错题收进题库,再在 Practice 里按复习日期刷。
- 用 Calendar 排好每周学习时间,导出 .ics 放进手机日历。
第 2 步的文档解析方式会影响效果。默认的 LlamaIndex 走向量加关键词的混合检索,也可以换成按页引用的 PageIndex、GraphRAG 或 LightRAG;排版复杂、需要更精细结构化解析的 PDF,可以在 Document Parsing 里单独选用 MinerU(云端模式或本地 CLI)。
用之前要知道的几件事
- 仓库状态。11 月 19 日,GitHub API 显示 60,574 星、7,335 个 Fork。
- 更新非常快。v1.7.3 于 11 月 16 日发布(GitHub Release 时间为 11 月 15 日 UTC),这是 11 月 19 日核对到的最新正式 release。升级前先备份数据目录及单独配置的工作区数据。
- 默认是单人模式。打开多用户认证后,第一个注册账号成为管理员,由管理员创建后续账号并分配模型、资源和权限。给学生开账号时可选 Learner。监护人需要取得授权,才能查看相应的学习记录。
- Apache-2.0 许可允许个人和商业使用、修改和再分发,需保留版权和许可声明。你接入的模型和 API 服务各有自己的条款,另算。
- 仓库有简体中文 README,想了解设计思路可以看团队发在 arXiv 上的论文(2604.26962,预印本)。
想先补 AI 基础再上手,可以看站内的 AI-For-Beginners 12 周课程;好奇 AI 为什么聊久了会忘、DeepTutor 的长期记忆在解决什么问题,可以看 上下文窗口和长期记忆的区别。学数学时配合 Desmos 画图会更直观。
项目地址:github.com/HKUDS/DeepTutor
资料来源
- DeepTutor 仓库与 README(功能、安装方式、多用户与许可,2026-11-19 核对)
- DeepTutor v1.7.3 Release(桌面安装包与更新说明)
- GitHub API 仓库数据(60,574 星、7,335 Fork、Apache-2.0,2026-11-19 核对):https://api.github.com/repos/HKUDS/DeepTutor
- DeepTutor 官方文档:Docker 安装与连接本地模型:https://docs.deeptutor.info/get-started/docker/
- DeepTutor 官方文档:PyPI 安装与 init 配置:https://docs.deeptutor.info/get-started/pypi/
- PyPI:deeptutor 1.7.3(Python 3.11–3.14):https://pypi.org/project/deeptutor/
- 论文:DeepTutor: Towards Agentic Personalized Tutoring(arXiv 2604.26962):https://arxiv.org/abs/2604.26962
- DeepTutor 官方文档,Learning 与多用户部署:https://docs.deeptutor.info/explore/learning/ / https://docs.deeptutor.info/get-started/multi-user/