乐于分享
好东西不私藏

DeepTutor 简约实操指南:AI 个性化学习助手

DeepTutor 简约实操指南:AI 个性化学习助手

0. 核心价值
DeepTutor 是由香港大学数据智能实验室(HKUDS)开源的全栈 AI 学习平台。它解决了什么问题? 传统 AI 导师往往只是单轮对话,深度不足。DeepTutor 通过多智能体协作双循环推理,实现了“调查-分析-求解”的深度闭环,是目前开源教育类 Agent 的标杆。

1. 核心功能模块(简约版)
📝 题目生成器:考试“克隆”神器
  • 自定义模式:基于上传的教材自动生成指定难度、类型的题目。
  • 模仿模式 (Mimic Mode)亮点功能。上传一份参考试卷 PDF,系统会自动分析其出题风格、分值分布和难度,生成一套极其相似的模拟卷。
🔍 智能求解器:双循环推理
将“想”和“做”分开:
  1. 分析循环:InvestigateAgent 收集资料,NoteAgent 整理结构。
  2. 求解循环:PlanAgent 制定步骤,SolveAgent 执行任务,CheckAgent 验证结果。支持实时展示推理流,让你看到 AI 的思考过程。
📊 引导式学习:知识可视化
不再只看枯燥的文字,系统会自动提取知识路径,并将复杂概念转化为 交互式 HTML 可视化页面
📑 深度研究 (DR-in-KG)
专门用于文献综述。通过知识图谱(KG)技术,自动拆解子主题,进行多轮迭代研究,最后生成带标准引用的调研报告。

2. 关键技术细节(必看)
组件
规格/技术
备注
开源协议
AGPL-3.0
支持自托管,适合对隐私敏感的学术场景
技术栈
Next.js + FastAPI
典型的现代化全栈架构
RAG 增强
混合 RAG + 知识图谱
搜索精度远高于普通向量检索
模型要求
推荐 3072 维向量模型
如 text-embedding-3-large

3. 快速上手建议
场景 A:备考
  1. 上传教材 PDF 到“知识库”。
  2. 使用“题目生成器”的“模仿模式”上传历年真题。
  3. 生成模拟题并对照“智能求解器”给出的分步详解。
场景 B:论文调研
  1. 开启“深度研究”模块。
  2. 输入研究主题(如“RAG 技术的演进”)。
  3. 选择模式(Quick/Medium/Deep),系统会自动搜索网页和论文并生成报告。

4. 相关资源
  • GitHubHKUDS/DeepTutor
  • 许可证:AGPL-3.0

文档整理:9528小文
本站文章均为手工撰写未经允许谢绝转载:夜雨聆风 » DeepTutor 简约实操指南:AI 个性化学习助手

猜你喜欢

  • 暂无文章