HKUDS/DeepTutor

如果你想要一个围绕自己资料运转的 LLM 学习环境，而不是又一个套着辅导提示词的聊天窗口，DeepTutor 值得看一眼。代价是实际的上手成本：模型服务配置、数据存放位置，以及长期维护模型选择。

解决什么问题

学习者通常手里有 PDF、教材、视频课程和笔记，却要在聊天助手、出题工具和笔记软件之间来回切换。上一轮讲过什么没人记得，答案也只基于当轮粘贴进去的文字。DeepTutor 把“学习会话”当成组织单位：知识库、书籍、笔记本、题库、角色和 Memory 在辅导、解题、出题、研究和阅读等模式之间共享。结果是同一个工作区里，讲解和之后的练习能用上同一批材料。

有什么不同

它的核心是一套能力运行时，Chat、Ask Questions、Quiz、Research、Visualize、Solve、Course Study、Mastery Path、Immersive Reading 和 Audio Overview 共用它并延续会话上下文。Immersive Reading 支持 YouTube 和 Bilibili 链接，提供字幕搜索、带时间戳的辅导、保存笔记和续播，这是把被动看视频和主动提问真正连起来的具体功能。技能采用开放的 Agent-Skills 目录格式，技能库不绑定在本项目上，EduHub 作为默认注册表接入。CLI 以交互 REPL 或 JSON 两种方式暴露同样的能力，方便其他 agent 把 DeepTutor 当工具调用。

代价是复杂度和耦合。网页应用、CLI、子代理、Partners 和多种模式共用一套运行时，想弄清某个模式能看到什么，就得弄清工作区和账户的作用域。项目区分了 agent 可读取的内容工作区和私有的运行时主目录，自定义工作区会把对话、学习进度和缓存隔离在各自的目录树里；但设置、凭据和 Memory 仍在账户级别共享。在把个人学习资料交给它之前，这个作用域划分是首先要确认的。

谁值得试

适合：有多个格式学习资料、想基于这些文档出题和辅导的自学者，并且不介意在本地跑应用、自己提供模型服务。也适合想让 agent 框架从终端或其他 agent 驱动学习流程的人。不适合：只想在聊天界面里快速问答的人，或需要一个机构统一管理的教学平台的人。多用户共享部署有文档说明，但那是另一种运维负担，和单人桌面试用不是一回事。

使用条件与边界

需要 Docker 或 Python/Node 源码安装，并在 Settings 里配置模型服务，否则辅导功能无法实际工作。单命令 Docker 方式省去安装 Python 和 Node，可在 3782 端口得到一个可用的试用环境，但模型服务仍然必需；自托管意味着要自己留意服务商凭据，以及保存设置和本地数据的 Docker 卷。视频和字幕功能依赖外部服务，管理员可以配置 Invidious 实例来提供 YouTube 字幕和浏览。README 还提示：当回答丢掉早先的约束或引用证据较弱时，应收集诊断信息——这等于承认引用和一致性需要用户自行核对，而不是保证一定成立。

HotRepo 点评

HotRepo 目前只有 2026-10-25 一条记录：当日 42,620 stars、日榜 +213；没有可比的每日历史，无法据此判断关注度能否持续。真正值得在投入前确认的是工作区隔离模型：agent 能读哪些目录，设置和 Memory 存在哪里。可以先按 Docker 试用 跑通，再对照 推理安全检查清单 确认自己对引用质量的预期。