港大开源3万星的AI助手DeepTutor ,聊天、对话、知识库,一个工具打通日常全数据

一个开源项目想解决的，不是给你更多AI，而是让AI真正记得你是谁

#AI学习#开源#个性化教育#知识管理#终身学习

我以为自己需要更聪明的AI，后来才发现不是

你有没有过这种感觉——

今天用ChatGPT问了一个Python递归的问题，它解释得很清楚，还给了例子。你觉得自己懂了。明天换个角度继续问，它又从头开始讲“递归是一种函数调用自身的编程技巧……”，像第一天认识你。

你以为自己在向前推进，AI却在原地等你重新介绍自己。

然后你切到Notion做笔记，切到Anki做闪卡，切到Zotero存论文，切到飞书写项目复盘。每次切换，上下文断掉。你的思考脉络，只有你自己在脑海中勉强串着。AI不认识你的知识树，不认识你的薄弱点，不认识你昨天卡住的那个bug。

我一度以为，是我工具用得不够多。后来才发现，问题不是我工具少，而是我同时活在好几个互不相干的工具里，没有一个东西在真正跟踪我的学习轨迹。

一个让我停下来看了很久的项目

直到我挖到一个项目，叫DeepTutor。

第一眼印象不怎么样。Star多——111天20k星，但GitHub上星多翻车的还少吗？界面截图看起来功能密密麻麻，聊天、测验、知识库、可视化、记忆管理……又是一堆功能堆起来的“AI学习平台”？我差点关掉。

但我多看了两眼，发现不对劲。

真正让我停下来的，是它反复强调的那个词：终身个性化。不是“智能辅导”，不是“AI导师”，而是“终身”。这个词让我愣了一下——因为它承认了一件事：真正好的学习工具，不是帮你回答一个问题，而是记住你整个学习生涯的来龙去脉。

很多人说AI会改变教育，但大多数产品做的只是把课本换成对话框。你问一句，它答一句，然后清空记忆。这跟翻书有什么区别？

DeepTutor想做的事，是把AI从“临时工”变成“陪你长大的伙伴”。

第一个让我改观的点：它把碎片粘起来了

我自己的学习方式很典型：遇到问题→问AI→记笔记→做练习→看视频→写代码→又遇到问题。每一步都换一个工具，每一步都丢失上下文。

DeepTutor把聊天、测验、研究、可视化、解题、掌握练习，全部跑在同一个引擎上。你切换目标，而不是切换工具。知识库、书籍、草稿、记忆，在所有模式之间流动。不需要复制粘贴，不需要重新说明背景。

我试了试：先问了一个问题，然后直接说“做个测验”，它基于刚才的对话生成了几道题。我说“画一张图”，它把概念用可视化展示出来。我不需要解释“刚才我们聊的是什么”，它知道。

这种感觉就像终于有一个助教，在旁边看着你学，而不是每次来一个新家教。

当然，我不是没顾虑。把所有数据放在一个系统里，风险很大。而且它依赖外部LLM API，成本、隐私、延迟都绑在上游平台身上。但至少，方向对了。

第二个让我沉默的点：它能记住，而且你能看它怎么记

通用AI不记得我之前问过什么，你只能在新对话里从头说。DeepTutor搞了一套三层记忆——L1痕迹记录（原始对话），L2表面摘要（提炼过的要点），L3综合知识（长期形成的主张）。而且，记忆是可检查、可编辑的。

你点开记忆面板，能看到AI认为你掌握了什么，这些结论是从哪段对话来的。你觉得不对，可以删掉或改掉。

这让我想起一件事。我学机器学习的时候，两个月前进了一个坑，后来自己跳出来了。但AI不知道。下一次我问同样的问题，它还是按老路子教我。如果当时有一个工具能记住我踩过的坑，并且告诉AI“这个人已经知道那个错误了，换个角度吧”，那得省多少时间？

记忆透明这件事，比“聪明”重要得多。因为你不信任AI的时候，你不会认真学。

但我也想到另一个问题：长期跑下去，记忆会膨胀，怎么遗忘？用户自己编辑记忆需要很强的元认知能力，不是每个人都擅长。这场硬仗还没打完。

第三个让我思考的点：它把你的学习过程变成了可回放的地图

传统学习记录就是一堆笔记，你很难知道自己是怎么走过来的。DeepTutor把可视化、记忆图、会话快照、掌握路径摆到你眼前。你能看到自己什么阶段卡住了，什么知识点反复出错，什么方法更有效。

我试了一下会话快照功能：翻看自己学线性代数的记录，发现我在“特征向量”这里问了三次，每次的提问角度都不一样。三次之后才真正理解。这个数据，以前只存在我脑子里，而且经常被遗忘。现在它变成了一张可回放的地图。

这种元认知工具，对主动学习者来说是神器，对被动学习者可能被忽视。但我觉得，未来如果能结合主动提醒——比如“你上周在这个问题上花了三倍时间，要不要回顾一下？”——效果会更好。

它不完美，但它在回答一个真问题

讲完这些，我得说点实话。

DeepTutor门槛不低。需要Python 3.11+、Node.js 20+、Docker可选。非技术用户看到这些可能直接劝退。它依赖外部LLM API，成本、隐私、延迟都捏在别人手里。记忆系统长时间运行后的效率？还没经过大规模验证。社区技能的安全治理？还在建设中。功能堆叠得太多，学习曲线陡峭，用户容易迷失。

但这些问题，不是因为产品差，而是因为它想做的事情太难了。

把一个人的学习资产——文档、对话、笔记、练习、记忆——统一到一个可编程的智能工作区，让AI成为终身伙伴，而不是临时工。这个目标，目前没有哪个商业产品真正做成。ChatGPT不做，Notion不做，Anki更不做。而DeepTutor用开源的方式，把这个命题抛了出来。

111天20k星，说明不是只有我一个人觉得这件事重要。

未来真正值钱的，可能不是更聪明的AI

我一直在想：当AI越来越聪明，什么会变得稀缺？

可能是持续理解一个人的能力。不是单次回答有多惊艳，而是你三个月后问它，它还记得你当初为什么放弃。你两年后回来，它还能接上你当年的思考。

教育一直是个苦活，因为每个学生都是不同的。通识教育是成本权衡，不是最优解。如果每个学习者都能有一个终身AI伙伴，了解你的知识树、你的卡点、你的学习风格，那教育才真正开始个性化。

当然，这也会带来新的问题：数据主权、隐私依赖、技术鸿沟。懂技术的人能深度定制，不会配置的人只能默认功能。可能会加剧数字鸿沟。

但方向，至少对了。

我是时之。

一个 GitHub 野生挖掘机驾驶员。

每天帮大家挖一个项目。

不是告诉你哪个项目最火。

而是陪你一起看看：

它到底解决了什么真实的问题。

很多项目今天可能还很小。

但真正值得看的。

往往不是它现在有多少 Star。

而是它正在预示什么未来。

明天继续开挖。

留个问题： 你愿意把你过去一年的学习记录全部交给一个AI，让它变成你的终身伙伴吗？还是你觉得，有些事就该自己记得？