DeepTutor深度指南：代理原生架构与三层记忆快速上手-编程实验室

DeepTutor深度指南：代理原生架构与三层记忆快速上手

【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AI学习时，最常见的困扰是：上一个问题刚聊到一半，系统已经不记得你昨天卡在哪里；你喂给它一堆资料，它只会检索关键词，却说不出你的知识盲点在哪。DeepTutor是一个开源的个性化教学平台，用"代理原生架构+三层记忆系统"来对付这个痛点——每一次提问都能调用你的知识库、你的学习历史，而它对"记住了什么"这件事，是透明的、可编辑的。

🧠 它凭什么不一样？答案在两个设计决策

决策一：所有学习能力共享同一个代理循环。DeepTutor 的聊天、深度解题、出题、深度研究、可视化、数学动画、掌握路径（Mastery Path）共 7 种能力，跑在同一套 agent 引擎上，而不是七个各自为政的模块。这意味着你从"问问题"切换到"基于这个问题出十道测验"时，刚挂载的知识库和上下文原封不动地带过去了。循环本身很简单：模型按轮次思考，需要时调用工具，观察结果，最后给出不再依赖工具的完整回答；遇到不确定时，它会暂停并发起一个结构化的澄清提问（ask_user机制），而不是硬编一个答案。

DeepTutor的统一agent循环：思考—调用工具—观察结果—输出回答，7种能力共用这一套流程

决策二：记忆是你能读的文件，不是黑盒向量库。三层记忆分别落盘为：L1 是各会话面的原始事件轨迹，L2 是按学习面整理的结构化事实，L3 是跨面综合后的学习者画像。由于 L2 引用 L1、L3 引用 L2，画像里的任何一条结论都能追溯回产生它的那次原始对话，实现见 deeptutor/services/memory/。这些文件都是 Markdown 和 JSONL，你可以直接打开看、手动改——个性化从此变成一件可审计的事。

📚 从建知识库到产出学习书：跟着做三遍你就懂了

第 1 步：先建知识库，让回答有依据。打开 Knowledge Center，选"新建"，把 PDF、DOCX 或 Markdown 拖进去。每个知识库可以单独绑定一种检索引擎——LlamaIndex（默认，本地向量+BM25）、PageIndex、GraphRAG、LightRAG、Obsidian 等共 6 种可选，引擎之间互不干扰。重建索引时写入新的 version-N 目录，旧索引不会被破坏；单个文档解析失败时，直接移除那个文件即可，不必删库重建。

DeepTutor知识库创建界面：上传文档并选择检索引擎

知识中心支持新建索引或链接已有库，每个库绑定一种RAG检索引擎

第 2 步：从提问到深度解答。进入 Chat 工作区，在+菜单挂载刚建好的知识库，输入你的问题。推理过程中，agent 会按需调用rag、web_search等工具，信息不足时它会停下来向你提问。回答之后不要急着开新对话——继续说"基于这部分内容出一组测验题"或"研究一下这个主题的文献"，共享的上下文会让后续能力无缝接上。

DeepTutor聊天工作区：测验、研究、可视化等能力从同一条对话中发起

第 3 步：把对话沉淀成学习资产。如果这轮对话质量不错，可以让 Book 引擎把相关知识库和对话内容编译成一册"活书"：系统先给出章节大纲让你确认，再逐章生成——每一页都是可编辑的类型化块，文本、测验卡、闪卡、交互组件、数学动画皆可混排，随时能插入、移动或切换块类型，且每页自带 Page Chat 供追问。

Book引擎产出的学习书：章节大纲先行，每页由可编辑的互动块构成

🎯 谁适合用？教师、学习者、开发者各怎么用出效果

给教师：

课前把课件上传进知识库，用出题能力生成一套预测试卷，先摸清学生水平再定进度
打开多用户模式（开启认证后每位学生有隔离工作区），小组作业不用来回切账号
课后翻 L3 综合记忆，对照学生画像找共性知识盲点，调整下次课的重点

给个人学习者：

用 Mastery Path 给知识点设掌握门槛，只有达标才进入下一阶段，避免"看过了"式的假学习
定期打开 Memory Graph 检查 L2 事实，发现与印象不符的记忆可以直接修正
把笔记写进 notebook，它会成为此后每次对话、每本书的默认上下文

给开发者：

翻一遍 deeptutor/capabilities/，照着现有能力实现自己的协议即可注册新模式
deeptutor run <capability> "<message>" --format json输出 NDJSON 事件流，方便把 DeepTutor 当作工具挂进你自己的 agent 流程

Memory工作区：三层记忆可视化展示，每条综合结论可回溯到原始事件

⚡ 快速上手：4条命令完成安装验证

环境要求：Python 3.11–3.13、Node.js 20+。

pip install -U deeptutor deeptutor init deeptutor start

init会引导你设置端口（默认后端 8001、前端 3782）并填入 LLM 供应商与 API key；start启动后打开浏览器访问http://127.0.0.1:3782。看到顶部状态条里 Backend 与 LLM 显示在线，说明首次验证通过。跳过init也能启动，之后在 Settings → Models 里补配置即可。

🔌 进阶与生态：用Skills和MCP扩展学习能力

内置 7 种能力之外，扩展入口主要有三个：Skills 系统（SKILL.md剧本格式，默认接入社区技能市场 EduHub，deeptutor skill install即可装好"苏格拉底式导师"这类现成技能）；MCP 服务与 CLI 应用（一键安装后由聊天 agent 直接调用）；Partners（同一套大脑上的持久陪伴，可接入飞书、Telegram 等 IM 渠道）。习惯终端的话，deeptutor chat的 REPL 与 Web 版能力完全对等。

你本周就可以迈出的第一步：装好它，上传一份你真正要啃的文档到知识库，问一个悬了很久的问题——然后去 Memory 里看这条对话被理解成了什么。走完这一圈，你就知道它是不是你的那位导师了。