夜雨聆风大家好，我是视界君。 说句得罪人的话：市面上99%的AI学习工具，本质都是套壳ChatGPT。
你问它一个问题，它回答你。关掉窗口，一切归零。下次再问，它不记得你是谁、学过什么、卡在哪里。
更离谱的是，有些号称"AI学习助手"的产品，说白了就是给PDF加了个聊天框。你上传一篇论文，问它"这篇文章讲了啥"，它给你一段万金油式的摘要——换个工具也能做到，甚至ChatGPT直接粘文本进去效果还更好。
这不是AI学习，这是AI搜索的皮肤。
直到我翻到了 DeepTutor。
这个项目来自香港大学数据智能实验室（HKUDS），完全开源，Apache 2.0 协议。我花了一下午扒源码，先说几个数据——7个月狂揽33k Star，64个版本，106位贡献者，4天一个版本的节奏在迭代。
第一次看到这些数据我以为是营销号在吹，结果打开 GitHub 一看——commit 记录比我的出勤还密。
▲ DeepTutor GitHub 仓库首屏：当前约 33k Star，Fork 4.3k，最新提交已经到 v1.5.10
33k GitHub Star | 64 版本迭代 | 106 贡献者 |
▲ DeepTutor 设置面板，支持30+模型供应商，本地部署数据不出门
01. 第一个让我服气的点：记忆不是黑盒
这是 DeepTutor 和其他 AI 学习工具最本质的区别。
你用过的那些AI助手，它们的"记忆"藏在哪？一个你看不到的向量数据库里。它说"我记住了你的学习偏好"，但你不知道它记住了什么，记错了也没法改。
DeepTutor 反着来。
我直接打开了项目的 Memory 模块，截图给你们看——
▲ DeepTutor 的记忆管理界面，三层记忆一目了然
它的记忆是三层文件结构，全部是你能打开、能编辑、能审计的 Markdown 文件：
L1 层：原始事件日志，每一次对话、每一道题、每一次操作，逐条记录，追加写入，永不篡改。
L2 层：精选事实摘要，从日志里提炼出“你掌握了什么、卡在哪里”。
L3 层：跨场景综合画像，生成你的学习档案、偏好和进度。
更绝的是它有一张"记忆图谱"，把三层记忆的关系画出来了——
▲ 三层记忆关系图谱：L3综合画像→L2精选事实→L1原始事件，全链路可追溯
💡 L3 引用 L2，L2 引用 L1。任何一句"我懂你"，都能追溯到具体是哪一次交互产生的。
这不是记忆，这是可审计的记忆。
02. 第二个让我服气的点：一个引擎，八种模式
大多数工具是怎么做的？聊天是聊天，做题是做题，搜索是搜索，三个功能三个系统，数据互不相通。
DeepTutor 不一样。它只有一个 Agent 引擎，上面跑了八种学习模式：
Chat：默认对话，基于知识库推理
Deep Solve：多Agent协作解题，每步带引用
Quiz：根据你的进度自动出题
Deep Research：拆解研究主题，多Agent并行出报告
Visualize：把概念画成图表、示意图、动画
Mastery Path：规划学习路径，追踪掌握度
Partners：有记忆、有人格的持久AI导师
Co-Writer：协作写作
重点是：这八种模式共享同一个上下文。
你在 Chat 里读了一篇论文，去 Quiz 做题时它知道你的理解程度。你在 Deep Solve 里卡了一道题，Mastery Path 会自动调整你的学习路径。
▲ DeepTutor 学习空间：技能、人格、记忆、MCP服务，全部在一个面板里管理
不是功能堆砌，是上下文流转。这才是"AI导师"和"AI搜索框"的区别。
03. 第三个让我服气的点：6种检索引擎
普通AI问答工具背后就一种检索方式——向量相似度搜索。遇到精确概念匹配或者跨文档关联的时候，经常答非所问。
DeepTutor 的知识中心支持 6种检索引擎，看这张官方截图——
▲ DeepTutor 知识中心：支持6种检索引擎切换
- LlamaIndex（默认）：向量+BM25混合检索
- PageIndex：带页面级引用的推理检索
- GraphRAG：知识图谱检索
- LightRAG：轻量级知识图谱
- LightRAG Server：外挂式检索服务
- Obsidian：直接读写你的 Obsidian 笔记库
你可以根据资料类型选择不同的引擎。读论文用 PageIndex，查概念用 GraphRAG，整理笔记用 Obsidian 直连。
这不是"多了一个功能"，是把检索这件事做成了可组合的基础设施。
04. 30分钟上手指南
别被上面的技术细节吓到，上手其实很快：
git clone https://github.com/HKUDS/DeepTutor.git cd DeepTutor cp .env.example .env# 编辑 .env，填入你的 LLM API Key docker compose up
打开浏览器访问 http://localhost:3782，上传你的教材 PDF，开始对话。
支持 OpenAI、Claude、DeepSeek、本地 Ollama 等 30+ 模型供应商。数据完全不出本地，对处理敏感研究内容的人来说这一点至关重要。
05. 说两句公道话
DeepTutor 不是完美的，客观说几个痛点：
- 中文支持还行，但不如英文流畅
毕竟团队在港大，英文优先 - 长文档处理效率有待优化
几百页的教科书加载需要等一等 - 复杂公式和图表识别偶尔拉胯
LaTeX 公式有时解析出错 - 功能太多，新手容易懵
Chat/Quiz/Research/Visualize 一堆入口，官方已经在 Roadmap 里标了 UX 简化
💡 但这些是"工程打磨"的问题，不是"方向性"的问题。项目迭代速度很快，社区也很活跃。
最后说句掏心窝的话
现在 AI 学习工具满大街都是，但大部分都在解决"问什么答什么"的问题。
DeepTutor 解决的是一个更难的问题： 让 AI 真正理解"你是谁、你在学什么、你卡在哪里"。
它不是要替代你的导师，而是让你在任何时间、任何地方，都有一个记得住你、找得到资料、说得出引用的学习搭档。
凌晨两点读不懂论文的时候，至少有人——好吧，有AI——陪你一起啃。
顺手贴一下项目地址：github.com/HKUDS/DeepTutor视界君 · 看见更好的技术世界