HKUDS/DeepTutor

项目概览

采用统一的代理循环架构，在单一运行时中原生集成多引擎 RAG、可视化、测验与记忆图谱，支持多模式学习与研究任务的上下文共享。

项目类型

AI Agent

应用场景

搜索调研 · 学习教育

部署方式

查看项目说明

License

Apache-2.0

适合谁

• 需要处理海量文档并要求关联溯源的科研人员与深度调研者。
• 希望在一个统一环境中完成阅读、提问、测验与知识巩固的终身学习者。
• 使用 Obsidian 等本地知识库工具，并希望结合 AI 代理增强知识检索的用户。
• 寻求可通过 CLI 和 JSON 接入更大规模智能体生态的自动化开发者。

核心能力

• 提供单一的运行时环境，使 Chat（聊天）、Quiz（测验）、Research（研究）、Visualize（可视化）、Solve（解题）和 Mastery Path（掌握路径）全部在同一个代理循环中运行。这种设计允许在多种任务模式间共享上下文。
• 提供跨多种主流框架的版本化 RAG 库，用户可以选择 LlamaIndex、PageIndex、GraphRAG、LightRAG，或直接连接现有的 Obsidian 知识库，以实现文档检索和增强生成策略。
• 提供一个名为 'deeptutor' 的可执行二进制命令，支持交互式 REPL 供用户直接操作，并能输出结构化的 JSON 数据，方便被其他的 AI 智能体调用和集成。
• 构建了包含 L1 详细追踪、L2 表面摘要与 L3 综合分析的三层记忆体系，并维护一个记忆图谱，用于将 AI 生成的内容主张追溯至源文档与证据片段。
• 内置了对 docx、pdf、pptx、xlsx 等常见文档格式的处理技能，能够通过执行模型自动生成的代码，直接读取输入文件或生成全新的格式化文件输出。

限制与风险

• 目前关于 GPU 的强制要求和最低硬件配置标准在文档中尚未明确记录，用户在处理大规模图索引时可能需要自行评估硬件性能。

如何开始

• 提供预构建的 PyPI 和 Docker 安装路径。首次成功运行的步骤为：1. mkdir -p my-deeptutor && cd my-deeptutor；2. pip install -U deeptutor；3. deeptutor init；4. deeptutor start。

核验依据

• GitHub 项目简介: DeepTutor: Lifelong Personalized Tutoring.
• README: DeepTutor is an agent-native learning workspace that connects tutoring, problem solving, quiz generation, research, visualization, and mastery practice in one extensible system.
• README: 2026-04-19 🎉 20k stars in 111 days! Thank you for the support toward truly personalized, intelligent tutoring.
• README: GA cut of v1.4: Auto Mode, three-layer Memory, agentic Deep Research / Solve / Question, LlamaIndex RAG refactor, Visualize/Animator merge, and restart-safe turn runtime.
• README: One `deeptutor` binary, two ways in: an interactive **REPL** for people who live in the terminal, and structured **JSON** for other agents that drive DeepTutor as a tool.

内容核验时间：