企业官网建设流程全解析

DeepTutor开源AI学习助手怎么用？完整指南教你3步部署个性化辅导空间

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

DeepTutor是一款免费开源、可完全本地部署的AI学习助手，主打终身个性化辅导。不管你是自学编程、备考复习，还是想给团队搭一套内部知识系统，这篇文章都会用尽量少的技术术语，带你走完「安装、接模型、用起来」的全过程，最后再附上一份常见坑位清单，帮你少走弯路。

先别急着装：这份指南到底写给谁

每次看到"AI学习"四个字，你可能会想：这不就是套壳聊天机器人吗？如果只是想要一个问答工具，市面上随手就能找到。但如果你属于下面这几类人，DeepTutor值得你多花十分钟看看：

• 自学者：今天学Python，明天啃论文，后天背单词。内容换来换去，但希望AI记得你的进度和盲区，而不是每次从零开始。
• 老师或助教：需要批量出题、整理讲义、批改练习，还要盯着每个学生的薄弱点。
• 团队与机构：想共享一套知识库，又要保证每个成员的数据彼此隔离、权限分明。
• 注重隐私的人：资料不想上传云端，希望模型和数据都跑在自己的电脑或内网里。

一句话总结：它瞄准的不是"会不会聊天"，而是"能不能一直陪你学下去"。

它究竟解决了什么麻烦

用通用聊天AI辅导学习，通常会撞上三堵墙：

• 记忆是空白的。上周你刚问过微积分，这周再问，它完全不记得你卡在哪一步。
• 知识是割裂的。看书的笔记、问答的记录、上传的PDF，散落在不同工具里，谁也连不上谁。
• 离线基本报废。断网之后，很多AI助手立刻失灵，更别提处理你自己的私人资料。

DeepTutor的思路是把"聊天"、"做题"、"看书"、"写作"放进同一个引擎里，再叠一套可查看、可编辑的记忆系统。你会发现，资料和对话不再是一堆孤岛，而是围绕你一个人转的连续学习流。

从零到一：三种安装方式与最简启动步骤

上手之前，先满足两个前提：Python 3.11 及以上，以及能跑起来的Node.js（20+）。DeepTutor 的完整形态是「网页前端 + 本地后端」，一条命令就能同时拉起。

方式一：PyPI 一键安装（最省事）

不需要克隆仓库，一个工作目录加三条命令即可：

mkdir -p my-deeptutor && cd my-deeptutor pip install -U deeptutor deeptutor init deeptutor start

deeptutor init会逐个询问端口、模型服务商、API Key 等；跳过一次跑不起来，因为模型还没配置。deeptutor start启动后，终端会打印前端地址，默认是http://127.0.0.1:3782，用浏览器打开就能开始用。想停止？回到终端按Ctrl+C，前后端一起关。

方式二：Docker 容器运行

不喜欢折腾环境的话，直接用官方镜像：

docker run --rm --name deeptutor \ -p 127.0.0.1:3782:3782 \ -v deeptutor-data:/app/data \ ghcr.io/hkuds/deeptutor:latest

只需要暴露 3782 一个端口，浏览器请求会由容器内部自动转发给后端。配置、知识库、记忆都放在deeptutor-data这个数据卷里，删容器也不丢数据。

方式三：源码或纯命令行

想二次开发，或者只需要一个终端界面（不想要网页），可以从源码安装：

git clone https://gitcode.com/GitHub_Trending/dee/DeepTutor cd DeepTutor python3 -m venv .venv && source .venv/bin/activate python -m pip install -e . ( cd web && npm ci --legacy-peer-deps ) deeptutor init deeptutor start --dev

纯命令行模式则在安装packaging/deeptutor-cli后执行deeptutor init --cli和deeptutor chat，适合在服务器上直接开聊。

三种方式共用一个配置目录：你在哪个目录启动，设置就存在那个目录的data/user/settings/下，想换工作区只需换个目录。

模型接入：云端还是本地，两分钟做决定

DeepTutor 本身不含模型，需要自己接一个大语言模型服务。选哪条路，主要看你的隐私需求和硬件水平。

• 走云端：在设置里选 OpenAI、Anthropic 或其他兼容服务商，填好 Base URL 和 Key 就能用，几分钟完成。
• 走本地（推荐离线党）：DeepTutor 对 Ollama 支持得最顺。安装并启动 Ollama 后，拉一个对话模型即可：

ollama serve ollama pull qwen2.5:7b

然后在设置 → 模型里把服务商切到 Ollama，Base URL 填http://127.0.0.1:11434/v1，系统会自动检测到本地服务。LM Studio、llama.cpp、vLLM 这些也都在支持列表里。Docker 部署时注意：容器里的localhost指的是容器本身，要连宿主机模型需要改用host.docker.internal这样的网关地址。

一句话：想要绝对离线，选 Ollama；想要效果拉满且不介意联网，选云端。

走进主界面：一个工作区里的六种学习场景

把架构图摊开看，顶部是 Web、CLI、Python SDK 三种入口，中间是聊天、写作、引导学习等核心能力，底部是知识库与持久记忆。所有功能跑在同一套代理循环上，所以你在哪儿用，上下文都跟着走。

聊天：不只是问答，而是引导

主聊天区更像一个导师而非搜索引擎：它记得你们之前聊过什么，会根据你的水平调整解释的深浅，也会在回答里穿插追问。多轮对话、上下文感知这些都是基础，真正的差异在于它随时可以调用工具——查资料、算题、跑代码——而不是只会"动嘴"。

互动书籍：把教材变成活的

「活书」模式把章节内容变成可交互的模块：可以插入测验卡片、动画视频、思维导图，读到卡壳还能在页面旁边开小窗继续问。教材不再是静态 PDF，而是边读边练边对话的学习现场。

知识库：你的第二大脑入口

上传 PDF、Word、PPT、Markdown 都可以，系统会做切分、向量化、建索引。底层可选 LlamaIndex、GraphRAG、LightRAG、PageIndex 等多种检索引擎，甚至能直接挂一个 Obsidian 仓库。索引支持版本化管理，更新之后随时可以回看历史，出问题也不用整个重建。

协同写作：笔记和论文的战场

左侧编辑、右侧实时预览，Markdown 和 LaTeX 公式都是原生支持。写学习笔记、整理论文、和同学合写文档，都比在纯文本编辑器里舒服得多。

界面与多语言设置

设置里可以切换中英文界面、选择多种主题、管理模型服务商连接。界面清爽，参数不多，日常用基本不用碰配置文件。

让导师越用越懂你：记忆、技能与AI伙伴

装好、跑通之后，才轮到 DeepTutor 真正的看家本领——个性化。它靠一套可见、可改的记忆机制来认识你，而不是藏在黑箱里。

三层记忆：从流水账到知识图谱

• L1 工作区镜像：如实记录你的每一次交互，像一本学习流水账。
• L2 表面摘要：给每个学习场景（聊天、书籍、写作）各自生成摘要，方便定位。
• L3 跨表面合成：把不同场景里的知识串成关联图谱，回答时会引用证据来源。

好处是透明：你可以随时打开记忆图谱，看 AI 是怎么理解你的，哪里记歪了就手动改。这对教育场景特别重要——它敢把"怎么猜你"的过程摊给你看。

技能与AI伙伴：扩展能力的边界

除了内置工具，DeepTutor 还支持安装社区技能包，也可以挂载 MCP 服务器来扩展工具集。更有意思的是"伙伴"机制：

• 把 Claude Code、Codex、Gemini 这类编程 CLI 接进来，聊天中途就能请它们帮你跑代码、改项目。
• 把 AI 伙伴接到 Discord、飞书、Slack 等渠道上，让它常驻聊天群组，7×24 小时响应。

这些"伙伴"各自拥有独立的记忆和角色设定，适合团队里挂几个专职助手：一个答疑、一个整理资料、一个盯进度。

团队场景：多用户与权限隔离

如果是学校、培训机构或公司内部使用，多用户模式才是刚需。DeepTutor 的每个账号有完全隔离的工作区：会话历史、知识库、记忆互不可见；管理员可以按用户开放或收回某项能力，比如谁能用知识库、谁能挂工具、谁能访问模型服务。数据访问做到了账号级隔离，不会出现"我看到了别人的笔记"这种事故。

想体验多用户，在配置里开启认证与注册开关，就能从单机个人模式切换到团队模式。

常见问题与避坑清单

• 装好后网页打不开？确认终端打印的地址没输错（默认 3782），端口被占用时在deeptutor init里换个端口。
• 提示 Python 版本不兼容？官方支持 3.11–3.13，太新或太旧都可能出问题。
• 完全断网能用吗？能。用 Ollama 跑本地模型，配合预先把资料导进知识库，断网状态下聊天、检索、做题都能正常运转。
• 配置文件在哪？工作区目录下的data/user/settings/，模型、端口、功能开关都在这里，改完重启生效。
• 不想每次手动配模型？跳过init直接start也行，应用会用默认端口启动，之后在设置 → 模型里补配即可。

想进一步研究代码，记忆系统的实现在 deeptutor/services/memory/，知识库引擎在 deeptutor/knowledge/，互动书籍的编译逻辑在 deeptutor/book/，中文说明可以参考仓库里的 README.md。

最后多说一句：工具只是起点。DeepTutor 最值得玩味的地方，是它把"个性化"从营销词变成了可查看、可编辑、可追溯的工程实现。装上它，从一句"帮我讲讲傅里叶变换"开始，剩下的就交给时间去验证它是不是真的懂你。

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