企业官网建设流程全解析

DeepTutor 三步跑起来：从安装到接上知识库的 AI 导师

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

问 AI 问题总被当成第一次见面，上次发的笔记这次对话里已经没了。DeepTutor 是一个开源的 AI 学习工作台：把辅导、解题、刷题、深度研究和可视化连在同一套引擎里，还能跨对话记住你的学习轨迹。

它和传统做法差在哪

常见用法是"一个聊天窗口 + 一个 RAG 插件 + 一个出题工具"，各管一摊，切个场景上下文就丢。DeepTutor 走的是 agent 原生路线：Chat、Quiz、Research、Visualize、Solve、Mastery Path 全部跑在同一个 agent 循环上，你切换的是"目标"而不是引擎，上下文跟着学习者走。

引擎分两层：一层是模型按需调用的单发工具（网页搜索、arXiv 搜索、知识库检索、沙箱代码执行等），一层是多阶段的能力管线接管整个回合，比如 deep_solve 按"规划 → 推理 → 写作"走。每一轮里模型思考、调工具、看结果，最后以一条不带工具调用的消息收尾。

另一个区别在记忆。它不是藏在向量库里的黑盒，而是三层可读、可编辑的文件结构：L1 追加式事件轨迹，L2 按场景整理的结论，L3 跨场景合成。L2 引用 L1、L3 引用 L2，Memory Graph 里每条合成结论都能回溯到原始事件。

🚀 5 分钟跑起来：一键安装命令

最快的路径是从 PyPI 装官方包，需要 Python 3.11–3.13 和 Node.js 20+：

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

deeptutor init会依次问端口、LLM 提供商、模型和可选的 embedding。跳过它也能以默认配置启动，之后在Settings → Models里补模型配置即可。启动后打开终端打印的地址（默认http://127.0.0.1:3782），先在聊天里问一句"用一句话解释傅里叶变换"，或者点 Solve / Research 入口试一次带引用的深度回答。终端保持开着，Ctrl+C同时停掉前后端。

另外两条路：Docker 单容器部署，或纯 CLI 装在终端里用（deeptutor chat进交互 REPL）。都写在仓库 README 的 Get Started 一节。

三个上手场景

场景一：喂自己的资料，让回答"有据可依"

你要做什么：让 AI 基于你的教材和笔记作答，而不是泛泛而谈。 怎么做：进 Knowledge Center 新建知识库并上传文档，系统自动分块、索引，检索引擎按库绑定——默认 LlamaIndex，也支持 GraphRAG、LightRAG、PageIndex、PageIndex 托管检索和直接链接 Obsidian 库。 你会看到什么：聊天输入区挂上这个知识库后，回答开始引用你的原文；某个文件解析失败只删这一个文件就行，不用推倒重建。终端一条命令等价于界面操作：

deeptutor kb create my-kb --doc textbook.pdf

场景二：把资料编译成一本"活书"

你要做什么：把一堆笔记或一个知识库变成结构化、能交互的课程。 怎么做：在 Book 里选素材来源（知识库、笔记本、题库或聊天历史），先生成章节大纲让你审结构，确认后再逐章生成，而不是一次性吐全文。 你会看到什么：每章编译成一堆带类型的块——正文、测验卡、闪卡、代码、交互 HTML、数学动画——每个块都能单独移动、重生成或切换类型；每页还挂一个 Page Chat，就着当前章节继续追问。

场景三：用 Co-Writer 精修文稿

你要做什么：写报告、教程时只想局部改写，不想推翻重来。 怎么做：在 Co-Writer 里选中一段文字，要求重写、扩写或压缩，编辑 agent 可以引用知识库或网页证据。 你会看到什么：所有修改以 diff 形式给出，逐条接受或拒绝，没经你批准的内容不会落进文档；文稿自动保存、支持数学公式渲染，还能存回笔记本当作后续可复用的上下文。

少走弯路的 5 个细节

• 别在项目根目录写.env。DeepTutor 刻意不读它；运行配置全部在data/user/settings/下的 JSON/YAML 里，推荐直接用浏览器 Settings 页改。
• 默认端口是后端 8001、前端 3782。以终端打印的 URL 为准；deeptutor init改过端口后，容器场景要同步改-p映射的右侧端口。
• Docker 里的localhost是容器自己。模型服务跑在宿主机上时，加--add-host=host.docker.internal:host-gateway，再把 provider 的 Base URL 指向http://host.docker.internal:11434/v1（以 Ollama 为例）。
• 重建索引不会毁掉旧索引。re-index 写入新的 version-N 目录并保留旧版，新索引出问题随时回退。
• 让模型执行代码是个信任决策。内置的 docx/pdf/xlsx 生成默认走沙箱运行模型写的脚本；不想让它动本机，就把system.json里的sandbox_allow_subprocess设为false，代价是办公文件技能不再产出文件。

想再深一点：配置入口与扩展位置

有开发背景的话，三个位置先看：

• 配置层：能力与工具的温度、token 参数在agents.yaml，模型与 embedding profile 在model_catalog.json，代码侧默认值集中在 deeptutor/config/。
• 扩展层：新工具放 deeptutor/tools/，多阶段能力放 deeptutor/capabilities/，预置的智能代理管线在 deeptutor/agents/。
• 代理互通：deeptutor run <capability> <message> --format json输出 NDJSON，每行一个事件且带session_id，可以把多回合串进同一个会话；仓库根目录的SKILL.md专门用来教任意工具型模型如何驱动整个产品，例如：

deeptutor run deep_solve "Solve x^2=4" --tool rag --kb my-kb --format json

DeepTutor 把"和 AI 聊天"变成一套可积累的学习资产：知识库、书、记忆都落在你自己的data/目录里，换模型不丢上下文。完整的安装矩阵、命令表和分模块导览，见仓库 README 与 AGENTS.md。

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