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
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
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。
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。
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。
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
下载桌面版
从 Releases 下载对应系统的安装包直接安装。
- 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
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。
