DeepTutor:开源 AI 学习助手,陪你读懂资料,再做题检验

DeepTutor 能用你提供的教材和论文，帮你安排学习内容、解释难点，再通过练习检查掌握情况。这是 HKUDS 开源的 AI 学习助手，可以部署在自己的电脑上。

读资料时，原文和对话并排显示，选中哪段就问哪段；需要系统学习时，可以指定材料和目标，让它拆出学习路线，再按知识点往下练。

先读一份资料，别急着建资料库

第一次用，建议从一篇正在读的论文或一章教材开始。

在侧栏打开 Immersive Reading（沉浸式阅读），新建资料集合，加入 PDF、EPUB 或网页。正文和对话会并排显示；选中不懂的一段，再问“解释这段”，不用来回复制粘贴。

官方文档配图：原文与阅读助手并排显示

提问可以具体一点。比如读 Transformer 资料时：

请解释当前这一段里 Q、K、V 各代表什么，用一个三词短句举例，并指出解释对应的原文位置。

这是可以自行尝试的提问示例。阅读器能按 PDF 页码、章节或段落定位引用，你可以回到原文核对。遇到公式推导，尤其要检查它有没有漏掉成立条件。

只读一份材料，用阅读器就够了。 想跨多篇资料查询，再去 Knowledge Center 建知识库；后者还涉及文档解析和检索配置，没必要一上来就把整个硬盘搬进去。

看完以后，让它出题问你

Mastery Path（掌握路径）适合有明确学习目标的人。官方文档给出的创建过程很清楚：新建主题，写目标，选择材料，再检查生成的大纲。

目标别只填“学习傅里叶变换”。可以写成：“我会高中三角函数，希望能解释时域和频域的区别，并读懂一张频谱图。”材料可选已有的书本、笔记本或知识库文件。

官方文档配图：主题卡片显示模块数与学习进度

生成后先看范围：有没有漏掉指定材料？有没有塞进暂时用不上的内容？把大纲改到适合自己，再开始学。

进入 Study（学习）或 Review（复习）后，系统可以围绕知识点提问，根据回答记录掌握情况。记忆、操作、概念和设计类知识点采用不同的考查方式；已完成的内容也会在到期后安排间隔复习。

这里有个容易忽略的细节：你可以手动标记“已掌握”，但系统会区分这是自我声明，还是经过考查的结果。想知道自己究竟会没会，最好把题答完，别急着点过去。

视频能问，扫描件要先处理

Reading 也支持 B 站、YouTube 链接和音视频文件，回答可以带时间戳，方便回到相应位置。

但它的讲解依据是字幕或转录文字。没有转录时，视频可能照常播放，助手却无法据此解释讲了什么；只出现在画面里、没被说出来的板书，也不能默认它已经理解。

PDF 同样有前提。纯扫描、只有图片的文档，不能直接当成可读文本。 可以先做 OCR，或者放进知识库，选择支持 OCR 的解析引擎。复杂公式和表格要检查解析结果。

官方文档配图：解析引擎需要按材料选择

v1.6.14 支持对知识库里的原始图、PDF 页面或局部区域提问。不过，图片有没有被正确保留，仍取决于解析方式；图像理解也需要相应的模型能力。上传成功后，先挑一页有图的内容问问，看看它引用的是否真是那张图。

上手前要准备什么

DeepTutor 需要部署。官方提供 PyPI、Docker 和源码安装方式。走 PyPI 路线，需要 Python 3.11–3.14、Node.js 20+；安装后用 deeptutor init 配置，再用 deeptutor start 启动网页界面。

模型在 Settings → Models & services 里设置。至少要接好语言模型；知识库如果采用向量检索，还需要 Embedding 模型。搜索、语音和文档解析服务按需求配置。

写在最后

在这些功能里，我最看重的是掌握路径。围绕一门课，把阅读材料、知识点和练习放在一起，学到一半还能接着往下走。对于正在备考、补专业基础的人，这个用途很明确，也值得花时间试一试。