市面上多数 AI 辅导工具，本质上还是高级聊天框加几个预设模板——聊天、测验、笔记各玩各的，记忆藏在黑箱里，个性化全靠 prompt 工程。

香港大学数据智能实验室开源的 DeepTutor v1.5 想换个思路。它的核心信念很直接：**辅导应该是一个数据循环，而不是断开的功能堆砌**。


DeepTutor 把自己定义为一个“代理原生学习工作空间”——教学、解题、出题、研究、可视化、掌握度练习，全跑在同一个 agent loop 上。你切换的是目标，不是引擎，上下文跟着你走。

### 六个关键特性，每个都在解决一个真实痛点

**1. 统一运行时**

Chat、Quiz、Research、Visualize、Solve、Mastery Path 共享同一个 agent 循环。不用在不同工具间复制粘贴上下文，切换模式时记忆和知识库自动跟随。

**2. 连接的学习上下文**

知识库、书籍、Co-Writer 草稿、笔记本、题库、角色设定、记忆——这些在 DeepTutor 里不是孤立的文件，而是跨所有工作流可用的共享资源。

**3. 子代理与伙伴**

可以在对话中随时调起 Claude Code、Codex 或其他 Partner，导入它们的对话历史，甚至让 IM 机器人（Telegram、Slack、微信等 15 个渠道）共享同一个大脑。

**4. 多引擎知识**

支持 LlamaIndex、PageIndex、GraphRAG、LightRAG、Obsidian 等多种检索引擎，文档解析可插拔，索引带版本管理，重建时不会破坏已有索引。

**5. 可扩展工具与技能**

内置工具、MCP 服务器、图像/视频/语音生成模型，还有来自 EduHub 社区的可安装技能包。安装时经过安全门——检查安全判决、防御 zip-slip、剥离强制注入标记。

**6. 可检查记忆**

三层记忆系统：L1 原始事件轨迹、L2 表面摘要、L3 跨面综合。每个 claim 都可以追溯到原始证据，记忆图可视化让你看清个性化是如何形成的。不是黑箱，是透明的工作台。

### 安装与生态

DeepTutor 完全开源，提供四种安装路径：PyPI、Docker、源码、纯 CLI。推荐方式：

```bash

mkdir my-deeptutor && cd my-deeptutor

pip install -U deeptutor

deeptutor init

deeptutor start

```

然后打开 `http://127.0.0.1:3782` 即可使用。

项目还配套了 EduHub 技能社区、详细文档（deeptutor.info）和 arXiv 论文（2604.26962）。从 2025 年底发布至今，GitHub 已收获 25.2k stars。

### 一点观察

DeepTutor 的设计让我想起一个老问题：为什么教育软件总是功能越加越多，但学习效果没变好？答案可能是——功能之间没有数据循环。DeepTutor 把记忆、行为、反馈做成一个闭环，并且让这个闭环透明可审计。这种“可检查的个性化”或许比任何 fancy 的模型都更接近真正的因材施教。

当然，它还很年轻。但方向是对的。

---

- GitHub: [https://github.com/HKUDS/DeepTutor](https://github.com/HKUDS/DeepTutor)

- 官网: [https://deeptutor.info](https://deeptutor.info)

- 论文: [https://arxiv.org/abs/2604.26962](https://arxiv.org/abs/2604.26962)