港大开源的 AI 家教 DeepTutor,我把一本 298 页的书交给了它

下载一本讲义或者教材很容易，把它读懂就没那么容易了。

遇到看不懂的段落，问 AI，它能解释一大段。可这段解释和书里的内容对应吗？自己到底听懂了多少？下次再打开，应该从哪里接着学？这些事，往往还得自己操心。

香港大学 HKUDS 团队开源的 DeepTutor，想把这几件事放在一起：围绕你提供的教材和讲义，陪你阅读、安排学习路线、出题练习，再留下可以继续学习的记录。

“AI 家教”这个说法很吸引人。我更想知道，真正把书放进去以后，它会怎么做。

于是，我在自己的 Mac 上装了 DeepTutor，接入 DeepSeek，把《深入理解 AI Agent：设计原理与工程实践》这份 PDF 放了进去。阅读器显示，这本书有 298 页。

先说目前的感受：它已经有了一个围绕教材工作的伴读工具的样子。至于能不能长期、可靠地把人教会，还需要继续用下去。

DeepTutor 到底是什么？

可以先把它理解成一个带 AI 的学习桌面。

桌上放着你的课本、讲义和笔记。你可以打开材料，边看边问；也可以定一个学习目标，让它围绕材料安排顺序，再通过练习检查理解。

DeepTutor 项目介绍页。本文后面的阅读画面来自本地实际使用。

DeepTutor 不是一个独立的大模型。它负责把材料、对话和学习功能组织起来，回答问题还需要接入模型。这次我使用的是 DeepSeek，换成其他模型，回答质量和使用成本也可能不同。

如果只想随手问一句“这个概念是什么意思”，普通 AI 聊天就能做。DeepTutor 更值得看的地方，是它把注意力放回了你正在学的那份材料。

你不用每次重新解释自己在读哪本书、哪一页，也不用把一段段原文反复搬进聊天框。至少在这次沉浸式阅读中，原文和回答能够并排放着，解释里的页码也有了可核对的位置。

我把书放进去，先让它确认读到了什么

我没有一上来要求它“带我学完整本书”。

第一次试这类工具，我更想确认一个基础问题：它看到的，和我看到的是同一份材料吗？

在沉浸式阅读里打开文件后，我发送了这句话：

请先读取当前打开的文档，告诉我文件名，以及第一页正文讲了什么。暂时不要总结，也不要搜索网络。

结果里有个很值得留意的小细节。

它先读了 PDF 第 1 页，发现那里只有书名、作者和版本信息，是封面。接着往后找，经过目录，最后定位到第 9 页，告诉我引言从这里开始。

左边是原文，右边是伴读对话。阅读器顶部显示第 9 页、共 298 页。右下方另有尚未执行的可视化设置，本次没有测试该功能。

再看书页底部，印着的页码其实是“1”。

也就是说，PDF 的第 9 页，才是这本书正文的第 1 页。这种区别在读教材时很常见，目录、封面、前言都可能把两套页码错开。AI 如果只甩给你一句“见第一页”，还真不一定找得着。

这次它把两者区分开了，回答中也给出了文件名和页面引用。

实际回答中说明了封面页与正文起始页的区别。本轮界面显示 58 秒、8 次工具调用，仅代表这一次请求。

对我来说，这比一口气生成几千字总结更有用。解释有了出处，我可以边看边核对，而不是只能判断它“说得像不像那么回事”。

当然，这次也并非完全按要求来。我说了暂时不要总结，它最后还是列出了引言要点。找到了相关内容，不代表它就会严格控制回答范围。

另外，这一轮等待接近一分钟。只有一次记录，还不能判断平时速度，但如果持续学习中频繁等待，确实可能打断思路。

这本书有 298 页，本文验证的是其中一段阅读过程，并不是已经检查了全书，也不是它已经带我学完了全书。

让人期待的，是终于有个可以追问的对象

自学最难受的时候，未必是完全不会，而是觉得自己大概懂了，却又说不清楚。

比如书里讲“Agent = LLM + 上下文 + 工具”。三个词单独看似乎都认识，放到一个具体任务里，哪部分负责什么，可能又混在一起。

这时我希望 AI 做的，不只是把原文换一种说法。而是拿一个日常场景解释，问我一个问题，看看究竟卡在哪，再决定往下讲还是换个例子。

DeepTutor 提供了围绕材料继续对话的地方。至于怎样把这种对话变成学习，还需要我们给出更明确的要求。

下面是我准备继续试的带学方式，尚未完成整轮练习。它也可以作为你的第一次学习模板：

请以当前打开的《深入理解 AI Agent：设计原理与工程实践》为材料，带我理解“Agent = LLM + 上下文 + 工具”。先找到相关段落，告诉我页码。材料里找不到就直说，不要把网上内容当作书里的内容。先问我一个问题了解基础，等我回答后再讲。每次只讲一个概念，用一个日常例子解释，然后出一道需要我说明原因的小题，不要提前给答案。我答错时，先给提示，让我再试。即使我说“懂了”，也请让我用自己的话解释一遍。说明哪些内容来自原文，哪些是你补充的例子。

如果你在准备考试，就把书名和知识点替换成对应讲义与小节。例如，把目标改成“理解平均数与中位数，知道什么时候该用哪一个”。

别一开始就让它教完一门课。先看一个小知识点能不能讲明白，自己能不能独立回答一道新题。这个结果，比一份漂亮的大纲更值得信任。

能记住我学到哪里吗？

这是我在看 DeepTutor 时最关心的另一个问题。

如果今天学了半小时，明天回来还要重新交代基础、目标和薄弱点，所谓家教就有些累人。最好能打开同一个主题，知道前面学过什么、哪里还没过关。

按官方文档，Mastery Path，也就是学习路线，会把目标拆成模块和知识点，支持学习、评估与后续复习。重新打开主题，可以回到相应路线和会话。

它还区分两种“掌握”：一种是系统根据你的回答评估，一种是你自己手动标记。这一点值得保留。自己点了一个勾，和真的能解释、能做题，是两回事。

但这里要说明白：本次已经跑通的是文档阅读和问答，我还没完成学习路线的长期使用，也没验证退出重启后的进度恢复。

官方有这项设计，可以作为期待；不能直接写成我的实测结论。

等阅读用顺了，可以进入学习路线，新建目标，选择材料，再与 AI 一起检查大纲。例如“能判断平均数与中位数的适用场景”，就比“学会统计学”更容易检查是否完成。

真正值得验证的是：答错之后，路线会怎样处理？明天再来，薄弱点还在不在？换一道题，自己是否还会？记录了多少内容，是软件的事；有没有学会，还得看自己的回答。

它可能给普通人的学习带来什么变化？

这次体验还不足以谈成绩提升。但它让我看到了一个很具体的用途：把过去无人回应的阅读，变成可以随时停下来提问的过程。

拿到一份培训讲义，原来只能往下翻，或者到处搜不懂的词。现在可以围绕当前页追问，要求补基础、举例子、检查理解。每个人卡住的位置不一样，这种来回对话，有机会把讲解调整到自己的节奏。

对于离开学校以后还在自学的人，这件事尤其有吸引力。不是每个小问题都值得专门找人请教，但一个小问题没解决，也可能让整章读不下去。

不过，“随时能问”和“总能教对”之间，还有很长的距离。

材料里的公式、扫描文字和图表，可能没被读对；模型也可能把错误解释得很顺。老师对学生的判断、对内容的取舍，不能仅凭一个聊天界面就被证明可以替代。

我会先把它用在能回到原文核对、能用练习检验的小任务上。专业判断、关键考试知识点，仍然要对照教材、标准答案或可靠老师的解释。

真想试，不必一开始就把功能配齐

DeepTutor 的功能入口不少，但第一次只做一件事就够了：打开一份材料，让它围绕其中一页回答。

这次用的是本地安装的 1.7.0 完整版。电脑需要运行环境，安装后还要连接模型。我的 Mac 原本已有 Python 和 Node.js，安装与排查过程中也借助了 Codex，所以这不是一份“任何新电脑都能一键完成”的体验记录。

不会这些操作，可以找人协助安装，或者先跳过本地部署。官方安装入口放在文末。模型接好以后，日常学习主要在网页里操作。

操作：打开 DeepTutor 的“学习”，选择沉浸式阅读，新建资料集合，加入一份能选中文字的 PDF，点开文件。在正文旁边的对话框发送前面的读取要求，再发送带学要求。本次中文界面左侧显示“新建学习”，不同版本的菜单排列可能略有不同。

完成标志：能看见正文；它说得对文件名；引用页码能对应到实际内容。随后自己回答一道题，核对解释是否站得住。

首次建议用十几页的讲义，不需要照着我放一本厚书。纯图片扫描件要先做文字识别。读取失败时，先换一份文字版的小 PDF；回答偏了，就指明页码重新核对。仍然找不到依据，就缩小范围，别让它继续猜。

沉浸式阅读本身不需要先建向量知识库。只有以后想跨多份材料长期检索，再考虑知识库和相应的嵌入模型配置。先把阅读这件事用顺，别让准备工作占掉所有学习时间。

费用也要考虑。代码开源，不代表所有模型调用都免费。这次接的是云端模型，调用费用看服务商规则，参与回答的材料内容也可能发送给外部服务。本地打开网页，不等于所有处理都发生在本机。

本次没有核对 API 账单，不估算“读一本书花多少钱”。第一次用公开、无敏感信息的小材料试，既容易检查，也方便控制尝试的范围。

我会继续用，但先不急着叫它“私人老师”

如果你经常读教材、讲义和专业资料，也愿意花一点时间准备环境，我觉得 DeepTutor 值得拿一个小节试试。

如果只是偶尔问一道题，或者期待装好后就能把学习全部交出去，眼下这次体验还不能给出那样的推荐。

我最认可的部分，是它把书和对话放在了一起，让“这句话怎么理解”有了一个具体的落点。这已经能帮到自学的人。

接下来，我想做的测试很简单：让它带我学一个知识点，然后关掉解释，换一道题自己做。第二天再来，看还能记住多少。

到那时，才能更认真地回答：这位港大开源的 AI 家教，究竟帮我读懂了一段话，还是让我学会了一件事。

你有没有一本一直想读，却总在某一章停下来的书？

资料来源

项目仓库：https://github.com/HKUDS/DeepTutor

沉浸式阅读：https://docs.deeptutor.info/explore/reading/

学习路线：https://docs.deeptutor.info/explore/mastery-path/

安装说明：https://docs.deeptutor.info/get-started/pypi/

模型配置：https://docs.deeptutor.info/get-started/providers/

实测材料：《深入理解 AI Agent：设计原理与工程实践》PDF。文中截图展示本次阅读过程，书中观点及 AI 转述不作为本文独立核实的行业事实。