DeepTutor

DeepTutor 是香港大学数据智能实验室（HKUDS）开源的一款 AI 学习助手，把文档问答、概念可视化、习题生成和深度研究放在同一套界面里。它不像只给结论的聊天工具，定位更接近“能追问、能标注来源”的学习与研究辅助平台。下面从功能构成、使用门槛和适用人群几个角度，说清它适合谁、又卡在哪里。

DeepTutor 的定位与核心特点

从公开信息看，DeepTutor 走的是多智能体加检索增强生成（RAG）的路线，用“分析环 + 解答环”的双循环推理处理问题，答案通常会附带引用出处。对需要回原文核对的人来说，这点比答案长度更有价值。

• 文档知识问答：上传教材、论文或技术手册自建知识库，再围绕内容提问；
• 学习可视化：把抽象概念转成浏览器里可直接打开的 HTML 页面；
• 练习生成：按学习进度出定制题，风格可以贴近真实考卷；
• 深度研究与创意生成：按“规划→研究→报告”三阶段做跨来源综述，或从笔记里提炼研究方向。

工程上是 FastAPI + Next.js 的前后端分离结构，提供命令行和网页两种入口，学习记录与产出保存在本地。项目以 AGPL-3.0 协议开源，代码托管在 GitHub。对在意资料不外传的人来说，本地留存算是它的加分项。

使用体验与适用人群

官网更像项目介绍页，真正用起来一般要按 README 自行部署，或者先跑命令行版本。部署环节受本机环境、模型服务和依赖版本影响，第一次跑通通常比打开一个在线工具费时间。它不是开箱即用的成品软件，门槛主要落在配置上。类似的{{内链:AI 学习工具}}大多主打免配置，DeepTutor 的思路正好相反。

适合这几类人：

• 需要精读教材、论文，并希望答案能回溯到原文的学生与研究者；
• 手上有自己的资料库、习惯本地跑工具的人；
• 要按考纲出练习题的教师或助教；
• 刚开始做文献梳理、想快速发散选题的研究入门者。

动手前有几点值得留心：

• 从 GitHub 拉代码前先看 issue 与依赖清单，自行做安全扫描和代码审查；
• 核对版本号与最近更新时间，开源项目接口变动可能比较频繁；
• 上传资料要注意版权与授权，模型服务、搜索工具的可访问性因地区而异；
• 是否完全免费、外部模型额度怎么算，以实际页面和项目说明为准。

常见问题 FAQ

• DeepTutor 需要付费吗？代码在开源协议下可自由使用，但调用模型或搜索服务可能产生费用，是否收费以实际页面为准。
• 必须自己部署才能用吗？官方提供网页入口与 CLI，完整功能通常需要本地或自建环境，具体以当前版本说明为准。
• 中文资料支持得好吗？可以上传中文文档后围绕内容提问，实际效果取决于文档质量和所选模型，以实际页面表现为准。
• 能当唯一的学习工具吗？更适合做查证与练习的补充，系统学习仍建议结合课程与教材。

DeepTutor 的看点在把问答、可视化、出题和研究串成一条链，同时把数据留在本地。局限同样明显：部署有门槛，输出质量高度依赖上传的文档。把它当作补充性渠道，配合合规的课程与资料使用，会更稳妥。