AI 讲懂了,你学会了吗?DeepTutor 想把 AI 家教做成学习工作台

你有没有过这种体验：

把一道题发给 AI，看完推导，觉得每一步都懂。关掉对话框，换一道题，还是不知道从哪里下手。

解释越来越容易获得，学会却依然需要一个过程。

读资料、追问、练习、整理错题、隔几天再复习，这些动作之间，经常隔着好几个应用。

HKUDS 的开源项目 DeepTutor，就在尝试把这些环节放进同一个学习工作台。它的定位是“终身个性化辅导”，目前已覆盖问答、解题、出题、研究、可视化和学习路径等能力。项目介绍

这篇文章关注一个问题：它能为学习过程补上哪些环节？

01｜围绕一门课，把资料和学习活动放在一起

想象你正在补线性代数。

电脑里有教材 PDF、老师的讲义，还有几页自己没看懂的笔记。每次问 AI，都要重新交代学到了哪里、教材用了什么符号。

DeepTutor 的组织方式是从一个学科或项目的工作区开始，把对话、学习活动和资料放进去。知识库则为问答等功能提供检索依据：先找到相关材料，再组织回答。

这背后用到了 RAG，也就是检索增强生成。对使用者来说，技术名词可以先放下，更值得关注的是：回答能不能对得上你手里的教材，引用能不能回到原文核查。

官方提供了多种知识库检索方案，也支持不同文档解析方式。但配置越多，并不意味着第一次使用就要全部研究。先导入一章清晰的材料，检查它是否被正确解析，比一次塞进几十本书更实际。知识库说明

02｜从“再解释一遍”，走向“让我自己试一次”

围绕同一份材料，DeepTutor 提供了不同学习入口：Chat 用来交流，Solve 处理解题推理，Quiz 用来测验；Learning 中还有 Mastery Path、沉浸式阅读和 Practice 等学习方式。

题库可以用于练习、错误记录和计划性重复复习。相关资料、笔记和学习上下文，能在支持它们的功能之间复用。功能与学习入口

我的建议是，把这些入口用成一组连续动作。

比如学习“特征向量”：先让它解释定义，再要求举一个二维例子；接着自己计算一道题，做完后请它检查；最后用自己的话写下“为什么有些向量经过变换后，方向不变”。

可以这样提问：

请结合我选中的教材解释特征向量。先给一个直观例子，再出一道基础题，等我提交答案后再讲解。引用教材时，请标明可核查的出处。

这是建议的使用方法，实际引导效果仍取决于所选模式、模型和材料。

判断自己是否学会，最好留一次脱离答案的尝试。

03｜把学习留下来，比多聊几轮更有价值

一次对话结束后，真正值得留下的往往只有几样东西：一个终于想通的概念，一道暴露问题的错题，一段自己能够复述的解释。

DeepTutor 把这些沉淀也做进了产品。

Book 可以根据选中的资料生成包含不同内容块的交互式书籍，先提出章节大纲，再生成正文。Learning notebook 则用页面、子页面和块组织自己的写作，还能导出 Markdown 或 Word。

它也有可查看和整理的分层 Memory：保留事件记录、整理各类活动中的事实，再形成跨活动的综合信息。个性化的依据因此有了可检查的入口。Book、笔记与记忆说明

这些能力的价值，需要放到持续学习里观察：下次回来时，能否找到上次卡住的地方？笔记能否帮助自己重新讲清楚？积累下来的内容，是否方便继续修改和带走？

04｜刚更新的 v1.7.0，值得留意什么？

2026 年 10 月 28 日发布的 v1.7.0，继续完善了工作区、笔记和安装方式。

其中，Learning notebook 引入页面、子页面和块，内置助手 Dito 可以围绕具体段落解释、举例、改写或出练习题，提出的修改需要用户审阅后接受。

新版本还加入了可在浏览器播放的 Video Lesson，支持字幕和可选旁白；兼容条件下，中断的 LlamaIndex 重建可以复用已经完成的嵌入检查点。

安装也变成模块化：完整 Web 应用使用 deeptutor[full]，裸装 deeptutor 只选择核心部分。 看旧教程安装时，尤其需要留意这一区别。v1.7.0 发布说明

这些改动传递出的方向很清楚：项目正在继续打磨长期使用时的组织、编辑和恢复体验。

05｜开源，也要算清使用成本

DeepTutor 采用 Apache-2.0 许可证，支持自行部署。但软件开源，并不代表模型推理、文档嵌入、搜索和多媒体生成都免费。官方仓库

配置云端服务，需要考虑调用费用；选择本地模型，需要考虑硬件、速度和效果。部署在自己的电脑上，也不能直接推导出“资料完全不出本机”：还要看解析、模型和搜索服务分别连向哪里。

另外，引用和知识库能够帮助核查，无法保证每次推导、出题和判分都正确。公式密集、扫描质量较差的材料，也可能在解析阶段出现问题。

所以，第一次试用可以选一个小目标：导入一章教材，问三个能核对答案的问题，完成一次练习，再检查笔记和出处。这样比较容易判断，它是否适合你的学习习惯。

06｜想试试，从哪里开始？

官方提供 Docker、本地完整应用、源码和 CLI 等安装路径。已经装好 Docker 的读者，可以按官方示例启动完整应用：

随后访问 http://127.0.0.1:3782，在 Settings → Providers 中配置模型服务。示例中的命名卷用于保留配置和本地数据，首次拉取镜像需要网络与磁盘空间。官方安装说明

对已经在长期自学、阅读专业资料，或希望搭建学习工具的人，DeepTutor 提供了一个值得研究的开源方案。如果只是偶尔解释一个概念，也需要衡量维护这套工作台是否划算。

我更期待看到的，是这样的使用结果：学完一章之后，你能够关掉 AI，独立做完一道题，并讲清楚自己为什么这么做。

工具能帮你组织学习，理解仍然要在自己的尝试中发生。

如果给你这样一个学习工作台，你最想先拿哪门课试一试？

项目地址：

https://github.com/HKUDS/DeepTutor