DeepTutor AI 学习助手 10 分钟本地启动指南：离线模型、资料引用与互动书
【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor
你给 AI 讲过的资料，它过几天就忘。DeepTutor 是一个开源的 AI 原生学习工作台：它记得住你的讲义和对话，能接本地模型离线跑，还能把资料编译成一册可翻页的互动读物。读完这篇，你能在 10 分钟内装好本地工作台，并上传第一份讲义。
10 分钟装好 DeepTutor 并打开学习工作台
这一步替你省掉搭后端、配端口、装前端的折腾，一条 pip 命令拿到完整的前后端。
- 建一个空目录作为工作区，所有配置、资料、记忆都会落在这里；
- 安装并初始化，再启动：
mkdir -p my-deeptutor && cd my-deeptutor pip install -U deeptutor deeptutor init deeptutor startdeeptutor init会依次问后端端口（默认8001）、前端端口（默认3782）、LLM 提供商和模型；嫌烦就一路回车，之后在设置页补也来得及。成功后终端会打印前端地址，浏览器打开http://127.0.0.1:3782，看到聊天输入框和左侧功能区，说明前端已就绪。按Ctrl+C前后端一起停。
要跟着项目迭代，也可以走源码安装：
git clone https://gitcode.com/GitHub_Trending/dee/DeepTutor cd DeepTutor python -m pip install -e . ( cd web && npm ci --legacy-peer-deps ) deeptutor start --dev成功后浏览器打开同样的地址，前端以 Next.js 热重载模式运行，改代码即时生效。
接入本地模型实现 DeepTutor 离线学习
云端密钥和 Ollama 二选一，做对了你的学习数据就不必出内网。
进Settings → Models，添加一个 LLM 配置：Base URL、API Key、模型名，保存。设置页是"先存草稿、再应用"的流程，配错也不会打断当前会话。
想彻底离线，用 Ollama 更省事：
ollama serve ollama pull wizardlm2:7b然后在Settings → Models里把 Base URL 填成http://127.0.0.1:11434/v1，模型名填刚拉下来的本地模型，保存。做对了你会看到：在聊天框发一条消息，断网状态下也能收到完整回复，整个推理没有经过任何云端。
上传讲义进 DeepTutor 知识库让回答带上段落引用
通用聊天机器人答"你的资料里怎么写的"只能编，这一步让它必须引用原文。
进Knowledge Center，新建知识库，把 PDF、DOCX、PPTX、Markdown 拖进去，系统自动解析并建立索引。几个值得知道的点：
- 检索引擎每个知识库绑一个：默认LlamaIndex（本地向量 + BM25），也可换成 GraphRAG、LightRAG、PageIndex，或直接关联你的 Obsidian 笔记库；
- 重建索引会写一个全新的version-N目录，旧索引原样保留，出问题能回退；
- 解析引擎（Text-only、MinerU、Docling、Tika 等）在Settings → Knowledge Base切换。
在聊天输入框的工具条里选中这个知识库，然后问一句"结合资料解释一下第 3 章的核心结论"。做对了你会看到：回答末尾挂着具体的文档段落引用，点它能跳回原文出处。
终端党一条命令等价：
deeptutor kb create my-kb --doc textbook.pdf成功后deeptutor kb list里能看到 my-kb，状态正常、文档数为 1。
检查 L1/L2/L3 三层记忆确认 AI 真的记住你
多数 AI 的"记住你"是个黑盒，DeepTutor 把记忆摊成三层文件，你能查、能改。
打开Memory页面，三层分别是：
- L1：原始交互轨迹，追加写入trace/下的 jsonl 事件文件；
- L2：聊天、笔记本、题库等每个学习表面的精炼事实（L2/ .md）；
- L3：跨表面合成的长期画像（L3/下的 profile、preferences 等）。
关键在引用链：L2 的每一条事实都引 L1 的原始事件，L3 引 L2。记忆图谱把这条链画出来，任何一条"它记得你的偏好"都能追到最初哪句话。而且全是纯文本 Markdown，记错了直接编辑文件就行。
deeptutor memory show成功后终端按面板依次打出 L3 与 L2 的记忆文档；在 Memory 页面做对了你会看到图谱中间是 L3 合成、中间环是 L2、外圈是 L1 轨迹，点一条合成结论能看到它背后的原始对话。
把讲义编译成 DeepTutor 互动书而非静态 PDF
Book 引擎产出的不是文档，是一个可以读、可以问、可以做测验的阅读环境。
从知识库、笔记本、题库或聊天历史中选来源，点创建。流程分两段：先给章节大纲，你确认结构后它才逐章生成内容。每一章编译成类型化块——文字、测验卡、时间线、代码、交互组件、动画、概念图——块可以插入、移动、换类型；每章右侧有独立的Page Chat，读到哪里问到哪里。编译过程是流式的，长任务能暂停再恢复；整册还能导出 Markdown 带走。
配套的 Co-Writer 负责精修：左边编辑、右边实时预览（KaTeX 公式和 Mermaid 图都能渲染）。选中一段文字，让它基于知识库重写、扩写或精简，改动以"接受 / 拒绝"的差异对比呈现，落不落盘你说了算。写好的草稿存回笔记本，就会变成后续所有工作流可复用的上下文。
做对了你会看到：书里的测验卡片可以当场作答并看到解析；Co-Writer 里每处 AI 改动都先挂在 diff 区等你点接受，笔记本面板里多出这条新记录。
终端单次调用、多用户与 IM 渠道的进阶玩法
浏览器工作台之外的入口，等前面几步跑顺了再试：
- 终端单次调用：
deeptutor run deep_solve "Solve x^2 = 4" --tool rag --kb my-kb一问一答直接退出；加--format json，每个事件独立一行（content、tool_call、done 都带 session_id），别的程序能直接消费；用--session接回上一轮的会话继续多轮。 - My Agents：接入本机 Claude Code、Codex 等命令行 Agent，聊天里用
@把它拉进当前回合，它跑完把过程流回活动面板；也能按天导入它们的旧对话当参考资料。 - 多用户部署：在data/user/settings/auth.json里开启认证后重启，第一个注册用户成为管理员；之后每人有隔离的会话、记忆、笔记本和知识库，管理员用授权控制各人能用哪些模型、知识库、技能和工具，书籍的共享与编辑权限单独分配。
- Partners：同一套能力接到飞书、Telegram、Slack、Discord 等 IM 渠道，每个 Partner 有自己的 SOUL 人格、模型策略和记忆，IM 里每条消息都走普通聊天回合。
明天就能做的三件事：把你手边最厚的那份讲义传进知识库，然后连问三个"结合资料"的问题看引用；用 Book 把讲义编译成第一册互动书，翻到测验卡做一遍；再跑一次deeptutor run ... --format json，确认结构化输出能被你的脚本接住。工作台已经跑起来了，接下来把资料真正喂进去，它才会开始像你的导师。🚀
【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
