4步快速部署DeepTutor：从零搭建你的个性化AI学习伴侣完整指南

4步快速部署DeepTutor：从零搭建你的个性化AI学习伴侣完整指南

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

每天在搜索引擎和十几个学习App之间来回切换，资料越存越多，真正能坚持学下去的内容却越来越少？DeepTutor是一款基于Agent原生架构的个性化AI学习平台，把聊天答疑、深度研究、知识库管理、协同写作和记忆追踪整合在一个系统里，让你的每一次学习都能沉淀成可追溯的个人知识网络。这篇文章会带你从环境准备开始，一步步把这位"AI学习伴侣"部署起来，并解锁它最值得用的几个核心能力。

DeepTutor主界面：左侧导航栏集中了所有功能入口，中央是智能对话核心工作区

为什么值得花半小时装一个DeepTutor

先别急着动手，用一句话说清楚它和普通AI助手的区别：普通AI是"聊完即忘"，DeepTutor是"越用越懂你"。

三个必须用它的理由：

更难得的是，DeepTutor支持本地部署，模型可以接Ollama这类本地服务，敏感的学习资料不需要上传云端，数据隐私自己说了算。它既适合学生自用，也适合研究者整理文献，还能在学习小组里搭一套共享环境。

零基础上手：三个命令开启你的专属学习空间

是不是觉得部署这类系统会很麻烦？其实DeepTutor的设计目标就是"开箱即用"。先确认两个前提：你的电脑上有Python 3.11+和Node.js 20+（如果还没有，去官网装一个就好）。

第一步：创建专属工作区

mkdir -p ~/deeptutor-workspace && cd ~/deeptutor-workspace

这一步在做什么：DeepTutor的运行数据（配置、知识库、记忆）都存放在你启动它的目录下，单独建一个工作区可以让所有学习数据集中在一处，方便管理和备份。

第二步：安装DeepTutor核心包

pip install -U deeptutor

这一步在做什么：从PyPI安装完整应用，包含后端服务、前端界面和CLI命令行工具，无需额外克隆代码仓库。

第三步：初始化并启动

deeptutor init deeptutor start

deeptutor init会以问答方式引导你完成端口配置、LLM提供商选择和嵌入模型设置，全程不用手改配置文件。deeptutor start会同时启动后端FastAPI服务（默认端口8001）和前端Next.js界面（默认端口3782）。看到终端打印启动完成，打开浏览器访问 http://localhost:3782 就进入学习界面了。

想快速试水的话，也可以跳过init直接start，模型等配置后续在界面右上角的"设置→模型"里补齐。停止服务只需在终端按Ctrl+C。

核心功能体验：四个最值得先玩起来的能力

智能对话与能力矩阵：一个输入框，多种学习模式

DeepTutor的对话不是简单的你问我答。同一个输入框下，你可以随时切换聊天、测验、研究、可视化等不同学习模式，系统底层的Agent循环会按目标自动决定调用哪些工具——需要算数时调推理工具，需要资料时自动检索知识库。

DeepTutor能力矩阵：从日常答疑到深度研究，一个输入框全部搞定

怎么用：在输入框左侧打开模式选择菜单，选中"Research"后提问"帮我调研一下RAG的最新进展"，系统会启动多代理协作，完成文献检索并生成带引用的调研报告。

适合谁：日常学习答疑、课程预习复习、写论文前的文献调研，都可以直接在这里完成。

知识中心：把你的资料变成AI的"参考书架"

聊天时AI回答得不够准，往往是因为缺少你的专属资料。DeepTutor的知识中心支持LlamaIndex、GraphRAG、LightRAG、Obsidian等多种检索引擎，你可以选择最顺手的一种来组织知识库。

DeepTutor知识中心：检索引擎自由选择，知识库状态一目了然

怎么用：在界面点"+ 新建知识库"，上传你的PDF、DOCX、Markdown等学习资料，等待索引构建完成即可。更高效的方式是用CLI命令：

deeptutor kb create "机器学习笔记" --doc 线性代数教程.pdf deeptutor kb add "机器学习笔记" --doc 深度学习笔记.md

知识库建好后，在对话输入框的"+"菜单里勾选它，回答就会以你的资料为依据，不再泛泛而谈。

适合谁：备考党整理讲义、研究者沉淀论文库、写作者收集素材，都能在这里建一个长期复用的"第二大脑"。

三层记忆系统：让AI记住你的学习历程

这是DeepTutor最独特的设计——它不是把对话悄悄存进黑盒向量库，而是用可查看、可编辑的三层结构记录你的学习过程：L1实时镜像每一次学习活动，L2按领域整理关键知识点，L3跨领域综合你的学习偏好和进度。

DeepTutor记忆系统：L1/L2/L3三层架构，每条记忆都能追溯到原始事件

怎么用：在左侧导航进入"Memory"，可以浏览每一层记忆内容，还可用记忆图谱直观查看知识点之间的关联。记忆是文件存储的，你可以随时查看、编辑甚至清理。

适合谁：长周期学习者——比如准备六个月考研或持续学习一门新语言，AI会逐渐熟悉你的进度和薄弱点，给的建议也越来越贴合实际。

智能书籍与子代理协作：进阶学习的两个"大招"

在复杂任务面前，单个AI往往力不从心。DeepTutor支持接入Claude Code、Codex等外部AI助手作为子代理，在对话过程中实时调用它们处理代码分析、深度检索这类专业任务。

DeepTutor子代理协作：调用Claude Code子代理进行文献研究和代码解析

DeepTutor子代理协作：专业任务交给专业代理，主对话保持流畅

另外，Book功能可以把你的学习资料编译成交互式电子书——自动生成章节、练习题、互动模块，甚至能插入数学动画视频，每个页面还带独立对话。

DeepTutor智能书籍：章节、测验、动画、互动模块一应俱全

适合谁：想系统性吃透一个领域、或需要把杂乱资料整理成结构化教材的学习者。

进阶玩法：把DeepTutor调校成最适合你的样子

玩法一：接入本地模型，实现完全离线学习

有隐私顾虑或没有云API？安装Ollama后，编辑工作区下的data/user/settings/model_catalog.json：

{ "llm_provider": "ollama", "llm_model": "llama3", "llm_base_url": "http://localhost:11434/v1", "embedding_provider": "ollama", "embedding_model": "all-minilm" }

配置好后，所有对话和知识库检索都在本地完成，学习资料完全不出电脑。

玩法二：控制记忆系统的更新频率

资源受限时，可以在"设置→Memory"里调低L2/L3的整理预算，减少后台合并任务对性能的占用，日常对话体验会更流畅。

玩法三：从社区装技能，让AI会更多本事

DeepTutor支持安装社区分享的教学技能（如苏格拉底式辅导、错题整理等），几行命令就能扩展能力：

deeptutor skill search "数学辅导" deeptutor skill install math-tutor-skill deeptutor skill publish ./my-learning-skill

最后一个命令是把你自己总结的学习方法发布成技能，分享给社区。

高频问题速查：部署排雷手册

现在就开始你的AI辅助学习

回到开头那个问题——资料越存越多却越学越散，根子在于工具之间彼此割裂，学习过程没有沉淀。DeepTutor的价值，恰恰是把问答、资料、记忆串成一条完整的链路：你问过的每个问题、上传的每份资料、掌握掉的每个知识点，都在为更懂你的下一次对话做铺垫。

现在就动手吧：打开终端，跑一遍上面那三个命令，然后在输入框里敲出你最近正在学的一个问题。之后可以继续探索多用户共享部署（适合学习小组）、自定义Agent开发、把DeepTutor能力接入其他学习平台等更深的方向。学习是一段长跑，而DeepTutor是那个会记住你每一步的陪跑者。

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