DeepTutor 本地部署指南：4 步拥有你的 AI 个性化学习导师-编程实验室

DeepTutor 本地部署指南：4 步拥有你的 AI 个性化学习导师

【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor

用 DeepTutor 这类 AI 个性化学习助手，你可以把教材、课件和笔记变成一位随时能对话、会出题、还记得住你学习进度的私人导师。它不是单点聊天机器人，而是一套可在本地部署的智能代理学习工作区：答疑、知识库检索、测验生成、记忆系统都装在同一套系统里，数据留在你自己机器上。

问题出在工具割裂上：答疑靠通用聊天机器人，它不知道你昨天学到哪；资料散在 PDF、笔记和历史聊天记录里，问一个问题要来回切换；想练几道题，又得另外找题库。

DeepTutor 的思路是把这些环节收到一处：

左侧栏汇集对话、知识库、记忆等入口，主区是与导师的对话

你得到的是：问一个问题，它能一步步拆解作答；信息不够时，它会暂停下来先问清你的背景和目标，再继续回答，而不是编一个看似合理的答案。

技术上，所有模式跑在同一个代理循环里：模型按轮次思考，需要时调用工具（检索、搜索、执行），看到结果后再决定是否输出结论。

对话中可随时挂载知识库、文件和智能体作为上下文

把 PDF、课件、笔记丢进知识库后，提问时导师会先在你的材料里检索，再带着出处作答，方便你核对原文。

底层是多引擎检索（LlamaIndex、GraphRAG、LightRAG 等），索引按版本管理，支持换文档解析引擎。

知识库按文档管理，可单独删除某份出错的文档后重建索引

你得到的是：一份能看到、能编辑的"导师对你的理解"。它分三层——原始痕迹、表层摘要、综合画像，每条结论都能沿着记忆图谱追回来源。

这意味着你可以纠正导师的误解、删掉不该记的内容，而不是对着一团黑盒提心吊胆。

三层记忆结构让个性化有据可查

最短路径如下，全程只需一个终端：

pip install -U deeptutor deeptutor init deeptutor start

不想装环境的话，Docker 方式一条命令就能起完整应用，只需暴露前端端口，容器首次启动会自建配置，模型信息在网页设置页填。详细部署形态可看 CONTAINERIZATION.md。

思考—调用工具—观察结果的循环，是它敢"不确定就追问"的原因

把导师搬进 IM：Partners 功能让你给导师"配一个人格和号码"，接飞书、Telegram、Slack、Discord 等渠道后，在聊天软件里发消息，它就是同一个大脑在回复。
咨询本地编码智能体：My Agents 支持把 Claude Code、Codex 等 CLI 接进来，对话中随时 @ 它，它的工作过程会实时流式展示。
纯命令行使用：不想要网页时，CLI 可以单条执行任意能力，如deeptutor run chat "解释傅里叶变换" --kb my-kb，适合塞进脚本或自动化流程，详见 deeptutor_cli/README.md。

每个 Partner 有独立的灵魂档案、模型策略与私有记忆

浏览器打不开页面：以终端打印的地址为准；若开发模式卡住，通常是前端锁文件残留，停掉旧进程再重启即可。
知识库检索效果差：确认初始化时配置了 embedding 服务商，且文档已完成索引；单份文档解析失败可单独移除后重新导入，不必整个库重建。
导师不回答或报错：优先检查 Settings → Models 里的 Base URL 与 API key 是否填对、模型名是否在服务商目录内。
Docker 里连本机 Ollama：容器内的localhost指向容器自己，请把模型地址写成host.docker.internal形式，文档里有对应示例。

记忆与检索的实现分别位于 deeptutor/services/memory/ 和 deeptutor/knowledge/，想深挖原理可以从这里入手。