HKUDS GitHub avatar

DeepTutor

Python
个性化AI导师HKUDS最近推送 2026年11月16日
AI 应用Apache-2.060.1k7,272329 issues7 天 +2,052

AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月17日

一个可长期跟踪学习进度的个性化 AI 辅导系统,支持桌面端和 CLI。

DeepTutor 是香港大学数据智能实验室(HKUDS)开源的终身个性化辅导项目,结合深度研究、多智能体与 RAG 能力,帮助用户理解复杂知识。它提供网页工作区、macOS/Windows 桌面安装包和命令行接口,并围绕学习路径、练习与学习记录组织辅导过程。

推荐指数

4.0

功能完整、迭代活跃的 AI 学习辅导系统,适合想自建个性化学习工具的开发者和学习者。

近 7 天

+2,052

新增 Star

总 Star 排名

#83

雷达追踪的 3,931 个 AI 仓库中

创建于

2025

2025年12月28日

核心亮点

  • 1个性化学习路径

    围绕学习目标组织内容,并记录掌握程度与学习进度。

  • 2深度研究 + RAG

    用检索增强和多智能体流程辅助理解复杂材料。

  • 3多种使用入口

    提供网页工作区、桌面安装包和 CLI 命令行接口。

  • 4学习工具齐全

    含练习题库、视频课程、笔记与 Anki/日历导出。

  • 5多语言界面

    README 提供十余种语言版本,界面支持多语言本地化。

适用场景

  • 长期自学

    例如:为备考某门课程设定学习路径,系统按进度推送讲解和练习。

  • 复杂资料理解

    例如:上传论文或教材,用深度研究和 RAG 问答拆解难点。

  • 开发者二次开发

    例如:通过 CLI 或插件机制把辅导能力接入自己的学习应用。

它是怎么工作的

  1. 第 1 步

    配置模型

    在设置中选择并接入所支持的模型服务商。

  2. 第 2 步

    导入学习材料

    上传文档、视频等资料,系统解析并建立索引。

  3. 第 3 步

    生成学习路径

    根据目标和材料规划学习步骤与练习内容。

  4. 第 4 步

    辅导与练习

    通过对话、题库和笔记进行学习,并记录掌握情况。

快速上手

  1. 1

    下载桌面版

    从 Releases 下载对应系统的安装包直接安装。

  2. 2

    或本地部署

    按官方文档 deeptutor.info 的说明安装 Python 依赖并启动。

  3. 3

    配置模型

    首次启动后填入模型服务商的 API 配置。

适合谁

  • 需要长期学习跟踪的学生和自学者
  • 想自建 AI 辅导工具的开发者
  • 关注多智能体与 RAG 应用的研究者

不太适合

  • 只想开箱即用、不愿配置模型的普通用户
  • 需要严格教学合规审查的机构场景

成熟度

  • 活跃度2026 年 11 月仍在密集发版,最近一次推送为 2026-11-15。
  • 文档有独立文档站和多语言 README,但 README 内容较长。
  • 社区约 6 万 star、7 千余 fork,并有 Discord、飞书、微信群。
  • 上手难度提供桌面安装包,但本地部署和模型配置仍需一定技术基础。

使用前注意

  • · 采用 Apache-2.0 许可,商用前需确认附带条款。
  • · 需要自行准备模型服务商 API,会产生调用成本。
  • · 桌面版仅覆盖 macOS 与 Windows,Linux 需自行部署。
  • · 项目迭代快,版本间接口和配置可能变化。

主题标签

ai-tutordeepresearchinteractive-learningmulti-agent-systemsragai-agentscli-toolclawbotlearning