DeepTutor 终身个性化辅导系统
一个智能体的学习工作台，将辅导、解题、测验、研究、可视化和掌握练习集成到一个可扩展的系统中。
- Star 数
- ★ 42k
- 最近更新
- 今天
- License
- Apache-2.0
- 主语言
- Python
- FA 评分
- 49/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台Codex · Claude Code · OpenAI API · Claude API
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 需要从教材 PDF 生成互动书籍的学习者，可以逐章编译成模块化块
- 不适合
- 不愿让模型生成代码在本机执行的用户
- 希望开箱即用、不想管理多份配置文件的个人
- 源码审查
- 49/100 · 缺口较多
这个 Agent 能做什么，适合哪些场景？
DeepTutor 是一个 Agent-Native 的学习工作台，将所有学习模式统一在一个智能体循环上：聊天、测验、研究、可视化、求解和掌握路径共享同一个引擎，使得上下文能够随学习者流动。它提供多引擎 RAG（LlamaIndex、PageIndex、GraphRAG、LightRAG、Obsidian）、三层可检查的内存（L1 追踪、L2 摘要、L3 综合）、可连接的子代理（Claude Code、Codex、Gemini 等），以及支持 15+ 平台的持久化 IM 伙伴。安装选项包括 PyPI 包、源码、Docker、CLI-only，支持多用户隔离工作区。该项目由 Apache-2.0 许可，并附带 EduHub 技能社区。
DeepTutor 运行一个统一的智能体循环，根据上下文自动安装工具：chat、quiz、deep_research、visualize、deep_solve、mastery_path。它通过 rag、kb_files 工具从知识库检索文档，通过 exec 工具在沙箱中运行模型生成的代码（docx/pdf/pptx/xlsx 技能），并调用 web_search、paper_search、imagegen 等工具。它管理三层内存（L1 追踪、L2 事实、L3 综合），并通过 consult_subagent 工具咨询外部 CLI 代理（Claude Code、Codex、Gemini、Kimi、opencode、MiMo）。CLI 提供 deeptutor run --format json 用于 NDJSON 输出，实现代理间操作。
- 需要从教材 PDF 生成互动书籍的学习者，可以逐章编译成模块化块
- 希望从聊天中咨询 Claude Code 或 Codex 进行编码任务的开发者
- 需要带有引用报告的深度研究调查的研究者
- 想要在支持 IM 的平台上部署个性化解题伙伴的教育者
- 希望反思性、可审计个人资料而非隐藏向量存储的学习者
如何安装或部署这个 Agent？
四种安装路径：(1) PyPI：pip install -U deeptutor，然后 deeptutor init，deeptutor start；(2) 源码：git clone，创建 venv，pip install -e .，cd web && npm ci --legacy-peer-deps，然后 deeptutor init，deeptutor start --dev；(3) Docker：docker run -p 127.0.0.1:3782:3782 -v deeptutor-data:/app/data ghcr.io/hkuds/deeptutor:latest；(4) CLI-only：pip install -e ./packaging/deeptutor-cli，deeptutor init --cli，deeptutor chat。需要 Python 3.11–3.13 和 Node.js 20+（CLI-only 需要）。
如何使用这个 Agent？
启动 Web 应用后访问 http://127.0.0.1:3782，在设置 → 模型中配置 LLM 提供商。在聊天界面中，使用 + 菜单附加文件、选择知识库或导入代理。使用 @ 或代理芯片咨询子代理。对于 CLI，运行 deeptutor chat 进入交互式 REPL，或 deeptutor run deep_research "Survey 2026 papers on RAG" --config mode=report --format json 进行单轮、机器可读输出。使用 deeptutor kb create、deeptutor memory show、deeptutor skill install 管理资源。
这个 Agent 有哪些优点和局限？
- 统一的智能体循环覆盖所有模式，上下文在聊天、测验、研究等方面无缝衔接
- 多层内存系统具有可审计的追踪，可追溯每个声明到其证据
- 支持多引擎 RAG（LlamaIndex、PageIndex、GraphRAG、LightRAG、Obsidian），提供灵活的知识检索
- 可连接外部 CLI 代理和 IM 伙伴，扩展功能
- 提供大量安装选项和 Docker 部署，易于上手
- 配置复杂，需要同时管理 Python 和 Node.js 环境
- 模型生成代码的执行需要信任决策，存在安全风险
- 多用户部署需要额外配置和权限管理
- 依赖大量外部服务（LLM 提供商、搜索、嵌入），可能产生成本
- 大量功能增加了学习曲线，需要时间熟悉
这个 Agent 与同类方案有什么区别？
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| DeepTutor 终身个性化辅导系统 当前 | 49 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 42k | 今天 | Python | Codex · Claude Code · OpenAI API · Claude API |
| OpenKB 开放知识库 | 59 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 4.8k | 2 个月前 | Python | Codex · Claude Code · OpenAI API · Claude API |
| SwarmVault | 67 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 723 | 3 个月前 | TypeScript | Codex · Claude Code |
| AgentChat 智能对话平台 | 29 · 缺口较多 | 自托管服务免费 + 模型费 | ★ 921 | 1 天前 | Python | — |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示有安全措施：如deny-by-default MCP工具、凭据移出沙箱、用户隔离、HTML转义和注入测试，但缺乏用户确认机制、数据流透明度和回滚策略的明确文档。依赖安全有版本固定和bandit配置，但未提供漏洞扫描结果。外部效果有沙箱和权限控制，但未明确说明。来源归属有明确的版权和许可证，但发布者身份未验证。
自一致性较好：有测试覆盖API端点和评分逻辑，且测试设计考虑了失败关闭和注入防护。依赖可用性有版本固定和Python版本限制，但未提供依赖可用性保证。失败消息有部分错误处理，但未系统化。
受众和场景明确：面向学习者和开发者，提供多种安装路径和CLI。能力边界有文档说明，但触发精度不足，未明确说明何时触发哪些工具。环境适配有Python版本和Node.js要求，但未提供详细的系统要求。
信息架构清晰：有README、文档站点、多语言支持。安装说明详细，命名稳定，有版本号和变更日志。示例和FAQ有提供，但已知限制未明确列出。许可证为Apache-2.0，维护责任有明确的贡献指南和社区渠道。
输出可用性有文档和示例，边际价值高，但成本效益未明确说明，未提供性能或资源消耗数据。
声明可追溯性有arXiv论文和文档，但未提供具体证据。跨来源验证不足，事实与推断分离不明确。
- 发布者身份未验证，需谨慎对待。
- 未提供用户确认机制，敏感操作可能自动执行。
- 数据流透明度和回滚策略未明确文档化。
- 依赖安全未提供漏洞扫描结果，需自行检查。
- 已知限制未明确列出，可能影响部署。
最近版本
来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。
-
发布说明摘录
DeepTutor v1.6.15 Release Notes Release Date: 2026.10.19 Building on [v1.6.14](past_releases/ver1-6-14.md), v1.6.15 improves Guided Learning with reviewed outline changes, independently graded question groups, and bounded tutoring memory. It also strengthens chat recovery and document parsing, adds retrieval comparisons, and brings native Gemini speech. What's New Learning paths you can revise and practice …在 GitHub 查看 ↗ -
发布说明摘录
DeepTutor v1.6.14 Release Notes Release Date: 2026.10.08 Building on [v1.6.13](ver1-6-13.md), v1.6.14 brings original-source visual practice, recoverable knowledge-base indexing, scientific research tools, and managed plugins. Video learning now lives in Reading; existing Watching conversations migrate when reopened. What's New Original figures, pages, and visual practice …在 GitHub 查看 ↗ -
发布说明摘录
DeepTutor v1.6.13 Release Notes Release Date: 2026.10.04 Building on [v1.6.12](past_releases/ver1-6-12.md), v1.6.13 expands reading, listening, and question-bank practice, improves document parsing and speech configuration, and brings Polish plus more model providers. Chat attachments now follow the selected workspace, with existing uploads and URLs preserved during the transition. What's New Read, listen, and revisit …在 GitHub 查看 ↗
常见问题
DeepTutor 支持哪些 LLM 提供商？
如何保证代码执行的安全？
sandbox_allow_subprocess 设置控制子进程沙箱，默认启用，可设置为 false 或环境变量 DEEPTUTOR_SANDBOX_ALLOW_SUBPROCESS=0 禁用。Docker Compose 部署可使用加固的 runner sidecar。多用户部署如何管理？
auth.json 中启用认证，第一个注册用户成为管理员，可以创建用户并分配模型、知识库、技能、工具策略等。每个用户有隔离的工作区。