为什么DeepTutor能记住你的学习进度AI教学记忆系统拆解【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor多数AI问答工具答完即忘换个话题上文的上下文就清零了。DeepTutor用一套三层记忆系统解决这件事——这个开源的代理原生个性化学习平台让AI的记忆可读、可编辑、可追溯。什么是DeepTutor代理原生的AI教学工作区DeepTutor的定位是一台教学引擎聊天、答疑、出题、研究、可视化、掌握度练习全部跑在同一个代理循环上切换的是任务目标而不是换个应用。它面向三类用户——需要长期上下文的自学者、要批量产出教学内容的教师以及想二次开发能力插件的工程师。DeepTutor AI教学系统架构图这张图展示DeepTutor从CLI、WebSocket、Python SDK三个入口经由统一编排器路由到各能力模块的完整分层。与普通问答机器人的区别在于上下文是跟着学习者走的你选定的知识库、人设、模型会附着在会话上跨轮次持续生效而不是每个功能模块各存一份互相隔离的数据。DeepTutor记忆系统怎么运作从原始轨迹到用户画像记忆系统的核心设计是文件化而非黑盒所有记忆都是磁盘上的Markdown与JSONL文件不藏在一个不可解释的向量库里。它按输入→处理→输出分三层工作。输入L1层每一轮对话都会以追加方式写入只增不改的事件轨迹落盘在trace/surface/date.jsonl。表面surface指你学习的场景目前覆盖聊天、笔记本、测验、知识库、书籍、协作伙伴、协作写作七类。处理L2层后台整合器按预算周期性执行 Update / Audit / Dedup 三种操作把L1的原始事件蒸馏成按表面划分的事实文档如L2/chat.md。每条L2条目都标注它引用的L1事件编号这是每条结论都有出处的关键。输出L3层跨表面合成层维护四个固定槽位——profile长期画像、recent近期状态、scope当前学习范围、preferences偏好。L3条目引用L2条目形成 L3 → L2 → L1 的完整引用链。记忆总览页可以逐层查看、手动编辑各层文档整合器的预算参数在设置页的 Memory 区块调整。这套机制带来的直接效果你随时能回答AI凭什么认为我在学量子力学这个问题——沿引用链点开就能看到那次具体的对话。一次完整的学习流程从上传资料到生成测验以一位备考学生为例整条链路这样走建库打开知识中心新建知识库并上传课程PDF或DOCX。默认检索引擎是LlamaIndex本地向量BM25也可以选PageIndex、GraphRAG、LightRAG等。挂上下文进入聊天工作台在输入工具栏选中刚建的知识库。这是粘性上下文之后每一轮提问都带着它。首问输入用一章里的例题解释贝叶斯定理。模型在需要细节时会自行调用RAG工具查库回答里带文档引用。追问第三步为什么不能直接代入先验同一会话的上下文完整保留不需要重述背景。查记忆切到Memory页面打开记忆图谱。合成结论位于中心L2事实居中L1原始事件在外圈任意一条画像都能点回触发它的原始轮次。出测验在聊天中切到Quiz模式。对应能力deep_question走构思→生成两个阶段基于当前知识库和已讨论内容产出题目存入题库后可随时复测。知识中心支持多引擎检索库的创建、增量上传与单文档删除坏文件不必整库重建。DeepTutor记忆图谱可视化记忆图谱按合成层—事实层—轨迹层三环展示用于追溯每条结论的证据链。DeepTutor测验生成卡片生成的测验以卡片形式嵌入学习内容支持作答与解析。技术架构说明各模块的分工架构上是一个两级插件模型入口有三种逻辑只有一套。入口层CLIdeeptutor_cli/、WebSocket APIdeeptutor/api/routers/unified_ws.py、Python SDKdeeptutor/app/facade.py最终都汇入同一个编排器 deeptutor/runtime/orchestrator.py。一级工具Tools。单次调用的原子能力由LLM按需挑选例如rag、web_search、read_memory、exec沙箱代码执行。挂载是上下文门控的有知识库才挂RAG有沙箱才挂代码执行。二级能力Capabilities。接管整轮的多阶段流水线内置七种chat默认、deep_solve规划→推理→成文、deep_question、deep_research改写→分解→检索→报告、visualize、math_animator、mastery_path。聊天代理循环模型分轮思考需要时调用工具、观察结果最终以无工具的消息收尾。扩展方式有两种在 deeptutor/capabilities/ 下按协议新增能力实现或写一份 SKILL.md 格式的纯Markdown技能包如 deeptutor/skills/builtin/ 中的内置技能后者不需要改代码。运行时配置统一放在data/user/settings/下的JSON文件里浏览器设置页是其推荐编辑器。DeepTutor本地部署三步走前置条件Python 3.11–3.13走PyPI安装完整应用时还需PATH上有 Node.js 20用于拉起打包的前端服务。pip install -U deeptutor deeptutor init # 依次询问端口、LLM提供商与API Key deeptutor start # 同时启动后端与前端启动后打开终端打印的地址默认http://127.0.0.1:3782。跳过init也能起服务之后在 Settings → Models 里补模型配置即可。需要跟源码开发时从 https://gitcode.com/GitHub_Trending/dee/DeepTutor 克隆仓库后按 README 的 Option 2 流程装依赖用deeptutor start --dev启动热更新模式。Docker 单容器部署只需发布 3782 一个端口前端中间件会把/api/*和/ws/*转发到容器内后端。默认端口下打开的聊天工作台侧边栏聚集知识库、Memory、Book等全部功能入口。适合谁不适合谁先说清楚边界再谈上手成本。适合学习跨度长、需要AI持续记住课程脉络的自学者要基于自己的讲义批量生成测验和学习材料的教师想以技能包或能力插件形式扩展教学流程的开发者。多用户部署时在auth.json开启认证首个注册用户成为管理员其他用户获得隔离工作区模型与知识库通过授权分配。不适合期望开箱即用的SaaS用户——它是自托管软件模型API Key必须自备对模型生成代码在本机执行这一默认行为exec工具走子进程沙箱有顾虑且不愿花时间做隔离配置的用户可以把sandbox_allow_subprocess设为false代价是办公文档类技能无法产出文件需要离线跑通全流程的场景也要谨慎知识库RAG依赖你配置embedding模型。已知限制认证默认关闭即默认单用户运行math_animator依赖Manim及其系统级依赖LaTeX、ffmpeg需按 extras 单独安装Docker内访问宿主机模型服务要用host.docker.internal而非 localhost。开启认证后管理员与各用户的聊天、记忆、知识库分目录隔离存放。延伸阅读与资源入口仓库内的文档比营销文案更值得读按用途索引如下README.md四种安装路径PyPI / 源码 / Docker / 纯CLI与完整命令参考AGENTS.md两级插件模型、关键文件路径与依赖分层架构问题的首选参考SKILL.md约150行的代理交接文档教其他LLM如何驱动DeepTutor的CLIassets/releases/逐版本更新记录可看到每个版本具体改了什么CONTRIBUTING.md 与 Communication.md贡献流程与社区联系方式技能生态EduHub是内置的社区技能注册中心浏览器里从 Learning Space → Skills 可检索安装终端用deeptutor skill search/deeptutor skill installDeepTutor技能社区导入界面Learning Space 中从 EduHub 检索并导入社区技能安装前会经过统一安全门检查。DeepTutor没有试图做所有事都包办的学习平台它把记忆、能力、工具三件事各自做成了可检查、可替换的部件。如果你的学习场景对上下文连续性有硬性要求它的三层记忆架构是目前开源方案里少数把这件事做到可审计的。【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
为什么DeepTutor能“记住“你的学习进度？AI教学记忆系统拆解
为什么DeepTutor能记住你的学习进度AI教学记忆系统拆解【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor多数AI问答工具答完即忘换个话题上文的上下文就清零了。DeepTutor用一套三层记忆系统解决这件事——这个开源的代理原生个性化学习平台让AI的记忆可读、可编辑、可追溯。什么是DeepTutor代理原生的AI教学工作区DeepTutor的定位是一台教学引擎聊天、答疑、出题、研究、可视化、掌握度练习全部跑在同一个代理循环上切换的是任务目标而不是换个应用。它面向三类用户——需要长期上下文的自学者、要批量产出教学内容的教师以及想二次开发能力插件的工程师。DeepTutor AI教学系统架构图这张图展示DeepTutor从CLI、WebSocket、Python SDK三个入口经由统一编排器路由到各能力模块的完整分层。与普通问答机器人的区别在于上下文是跟着学习者走的你选定的知识库、人设、模型会附着在会话上跨轮次持续生效而不是每个功能模块各存一份互相隔离的数据。DeepTutor记忆系统怎么运作从原始轨迹到用户画像记忆系统的核心设计是文件化而非黑盒所有记忆都是磁盘上的Markdown与JSONL文件不藏在一个不可解释的向量库里。它按输入→处理→输出分三层工作。输入L1层每一轮对话都会以追加方式写入只增不改的事件轨迹落盘在trace/surface/date.jsonl。表面surface指你学习的场景目前覆盖聊天、笔记本、测验、知识库、书籍、协作伙伴、协作写作七类。处理L2层后台整合器按预算周期性执行 Update / Audit / Dedup 三种操作把L1的原始事件蒸馏成按表面划分的事实文档如L2/chat.md。每条L2条目都标注它引用的L1事件编号这是每条结论都有出处的关键。输出L3层跨表面合成层维护四个固定槽位——profile长期画像、recent近期状态、scope当前学习范围、preferences偏好。L3条目引用L2条目形成 L3 → L2 → L1 的完整引用链。记忆总览页可以逐层查看、手动编辑各层文档整合器的预算参数在设置页的 Memory 区块调整。这套机制带来的直接效果你随时能回答AI凭什么认为我在学量子力学这个问题——沿引用链点开就能看到那次具体的对话。一次完整的学习流程从上传资料到生成测验以一位备考学生为例整条链路这样走建库打开知识中心新建知识库并上传课程PDF或DOCX。默认检索引擎是LlamaIndex本地向量BM25也可以选PageIndex、GraphRAG、LightRAG等。挂上下文进入聊天工作台在输入工具栏选中刚建的知识库。这是粘性上下文之后每一轮提问都带着它。首问输入用一章里的例题解释贝叶斯定理。模型在需要细节时会自行调用RAG工具查库回答里带文档引用。追问第三步为什么不能直接代入先验同一会话的上下文完整保留不需要重述背景。查记忆切到Memory页面打开记忆图谱。合成结论位于中心L2事实居中L1原始事件在外圈任意一条画像都能点回触发它的原始轮次。出测验在聊天中切到Quiz模式。对应能力deep_question走构思→生成两个阶段基于当前知识库和已讨论内容产出题目存入题库后可随时复测。知识中心支持多引擎检索库的创建、增量上传与单文档删除坏文件不必整库重建。DeepTutor记忆图谱可视化记忆图谱按合成层—事实层—轨迹层三环展示用于追溯每条结论的证据链。DeepTutor测验生成卡片生成的测验以卡片形式嵌入学习内容支持作答与解析。技术架构说明各模块的分工架构上是一个两级插件模型入口有三种逻辑只有一套。入口层CLIdeeptutor_cli/、WebSocket APIdeeptutor/api/routers/unified_ws.py、Python SDKdeeptutor/app/facade.py最终都汇入同一个编排器 deeptutor/runtime/orchestrator.py。一级工具Tools。单次调用的原子能力由LLM按需挑选例如rag、web_search、read_memory、exec沙箱代码执行。挂载是上下文门控的有知识库才挂RAG有沙箱才挂代码执行。二级能力Capabilities。接管整轮的多阶段流水线内置七种chat默认、deep_solve规划→推理→成文、deep_question、deep_research改写→分解→检索→报告、visualize、math_animator、mastery_path。聊天代理循环模型分轮思考需要时调用工具、观察结果最终以无工具的消息收尾。扩展方式有两种在 deeptutor/capabilities/ 下按协议新增能力实现或写一份 SKILL.md 格式的纯Markdown技能包如 deeptutor/skills/builtin/ 中的内置技能后者不需要改代码。运行时配置统一放在data/user/settings/下的JSON文件里浏览器设置页是其推荐编辑器。DeepTutor本地部署三步走前置条件Python 3.11–3.13走PyPI安装完整应用时还需PATH上有 Node.js 20用于拉起打包的前端服务。pip install -U deeptutor deeptutor init # 依次询问端口、LLM提供商与API Key deeptutor start # 同时启动后端与前端启动后打开终端打印的地址默认http://127.0.0.1:3782。跳过init也能起服务之后在 Settings → Models 里补模型配置即可。需要跟源码开发时从 https://gitcode.com/GitHub_Trending/dee/DeepTutor 克隆仓库后按 README 的 Option 2 流程装依赖用deeptutor start --dev启动热更新模式。Docker 单容器部署只需发布 3782 一个端口前端中间件会把/api/*和/ws/*转发到容器内后端。默认端口下打开的聊天工作台侧边栏聚集知识库、Memory、Book等全部功能入口。适合谁不适合谁先说清楚边界再谈上手成本。适合学习跨度长、需要AI持续记住课程脉络的自学者要基于自己的讲义批量生成测验和学习材料的教师想以技能包或能力插件形式扩展教学流程的开发者。多用户部署时在auth.json开启认证首个注册用户成为管理员其他用户获得隔离工作区模型与知识库通过授权分配。不适合期望开箱即用的SaaS用户——它是自托管软件模型API Key必须自备对模型生成代码在本机执行这一默认行为exec工具走子进程沙箱有顾虑且不愿花时间做隔离配置的用户可以把sandbox_allow_subprocess设为false代价是办公文档类技能无法产出文件需要离线跑通全流程的场景也要谨慎知识库RAG依赖你配置embedding模型。已知限制认证默认关闭即默认单用户运行math_animator依赖Manim及其系统级依赖LaTeX、ffmpeg需按 extras 单独安装Docker内访问宿主机模型服务要用host.docker.internal而非 localhost。开启认证后管理员与各用户的聊天、记忆、知识库分目录隔离存放。延伸阅读与资源入口仓库内的文档比营销文案更值得读按用途索引如下README.md四种安装路径PyPI / 源码 / Docker / 纯CLI与完整命令参考AGENTS.md两级插件模型、关键文件路径与依赖分层架构问题的首选参考SKILL.md约150行的代理交接文档教其他LLM如何驱动DeepTutor的CLIassets/releases/逐版本更新记录可看到每个版本具体改了什么CONTRIBUTING.md 与 Communication.md贡献流程与社区联系方式技能生态EduHub是内置的社区技能注册中心浏览器里从 Learning Space → Skills 可检索安装终端用deeptutor skill search/deeptutor skill installDeepTutor技能社区导入界面Learning Space 中从 EduHub 检索并导入社区技能安装前会经过统一安全门检查。DeepTutor没有试图做所有事都包办的学习平台它把记忆、能力、工具三件事各自做成了可检查、可替换的部件。如果你的学习场景对上下文连续性有硬性要求它的三层记忆架构是目前开源方案里少数把这件事做到可审计的。【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
