DeepTutor：开源的 AI 私人家教工作台
内容提要
DeepTutor是港大开源的个人AI家教工作台，支持聊天、出题、研究、解题等六种模式，统一引擎驱动。它强调本地资料存储、三层可检查记忆和RAG知识库，提供错题本、学习路径、活书生成及多平台伙伴功能。安装简单，但需自配模型，注意数据隐私和代码执行安全。
延伸解读
记忆可检查：从黑箱到白盒
DeepTutor 的三层记忆设计（L1 流水账、L2 摘要卡、L3 总评）让 AI 对用户的了解不再是黑箱。每层都有引用链，用户能追溯到具体事件，甚至直接修改记忆文件或清空重来。这种透明性在家教场景中尤为重要，既便于纠错，也增强了用户对 AI 的信任。
统一引擎与 ask_user：减少瞎猜
六种学习模式共用同一引擎，切换模式只改变目标，不改变核心循环，这降低了使用复杂度。特别值得关注的是 ask_user 机制：模型在不确定时会暂停并询问用户，而不是擅自猜测。这种设计在个性化学习中能显著提升交互质量，避免因误解而浪费学习时间。
安全与隐私：本地存储不等于数据不出门
DeepTutor 强调资料本地存储，但用户需注意：聊天内容和资料片段仍会发送给所配置的模型服务商（如 OpenAI、Claude 等）。若要求全程离线，必须本地运行模型。此外，代码执行虽有沙箱保护，但并非绝对安全，多人部署时建议使用容器方案或关闭该功能。
迭代快与成熟度：追新需谨慎
项目半年发布六十多个版本，迭代速度极快，但这也意味着功能成熟度不均，学习曲线较陡。对于重要使用场景，建议钉住一个稳定版本，而非频繁升级。活跃的社区和快速修复是优势，但用户需权衡新功能带来的风险与收益。
Q&A
DeepTutor是什么？它和普通的网页聊天机器人有什么不同？
DeepTutor是港大HKUDS实验室开源的AI私人家教工作台，采用Apache 2.0协议，支持pip安装。与普通网页聊天机器人相比，它的核心区别在于：资料存储在本地，用户自己管理；AI对用户的了解是三层纯文本文件，可检查、可修改；所有学习模式（聊天、出题、研究等）共用一套上下文，资料和记忆在模式间共享。
DeepTutor的六种模式是什么？它们是如何工作的？
DeepTutor有六种模式：聊天、出题、深度研究、可视化、解题、学习路径。它们都由同一个引擎驱动，模式切换只改变目标，不改变引擎循环。引擎循环是模型反复思考，需要时调用工具（如检索、计算），直到给出最终答案。此外，ask_user机制允许模型在不确定时暂停并询问用户，避免瞎猜。
DeepTutor的三层记忆设计是怎样的？它有什么好处？
DeepTutor的三层记忆设计是：L1流水账（记录每个界面事件）、L2摘要卡（每个学习场景的要点）、L3总评（跨场景的综合评价）。每层有引用链，可追溯。用户可以直接修改记忆文件或清空记忆。好处是AI对用户的了解透明、可检查，不是黑箱，且能跨会话保持上下文。
DeepTutor的知识库（RAG）支持哪些检索引擎？
DeepTutor支持七种检索引擎，包括默认的LlamaIndex（本地向量索引）、PageIndex（精确页码引用）、GraphRAG和LightRAG（知识图谱检索），以及外接LightRAG服务、腾讯IMA在线资料库和Obsidian笔记库。用户可根据资料类型选择。
DeepTutor的代码沙箱是如何工作的？有什么安全注意事项？
DeepTutor的代码沙箱在受限子进程或低权限容器中执行模型生成的代码，单机默认开启，可关闭。多用户部署建议使用容器方案。安全注意事项：沙箱是缓冲不是保票，模型生成的代码执行有风险，单机使用默认开启，多人部署务必用容器或关闭。
DeepTutor支持哪些安装方式？安装要求是什么？
DeepTutor支持pip安装和Docker安装。pip安装需要Python 3.11+和Node 20+（网页版），数据存储在data/目录。Docker安装只需运行一条命令，并挂载数据卷。
DeepTutor的Partners功能是什么？它有什么用途？
Partners功能允许创建带人设（SOUL.md）、资料库和记忆的常驻伙伴，并可接入飞书、Telegram、Slack等十几种聊天软件。伙伴只写自己的记忆，但可读取主人的记忆。用途包括给孩子配讲题伙伴、给自己配论文陪读等。
DeepTutor的活书功能是如何工作的？
活书功能允许用户选择材料（资料库、笔记、题库等），生成章节大纲，经用户确认后生成由多种类型化内容（正文、测验卡、闪卡等）组成的书。每页带页内聊天，可单独重写、移动、换类型。源材料更新后，可用deeptutor book health检查章节是否脱节。
