项目卡片
- 项目：DeepTutor[1]（HKUDS，Apache-2.0）
- 状态：v1.0.0（2026.4.4 发布），39 天破万 Star
- 技术栈：Python 3.11+ / FastAPI / Next.js 16 / LlamaIndex
- 判断：目前完成度最高的开源 AI 学习平台，前提是你愿意自己部署。
五种模式，一条线程
市面上的大多数AI学习工具往往是单一功能导向的——聊天机器人只管聊天，解题工具只管解题，出题工具只管出题。但DeepTutor选择了一条不同的路径：它把这五种核心学习模式全部整合进了同一个对话线程中。
这五种模式包括：Chat（聊天）、Deep Solve（深度解题）、Quiz Generation（测验生成）、Deep Research（深度研究）和Math Animator（数学动画）。它们共享一个统一的对话上下文。这意味着，你可以在一次连续的对话里，先从闲聊一个概念开始；遇到难题时，直接切换到Deep Solve模式，利用多智能体协作进行分步推理和解答；解题完成后，系统可以自动生成几道相关的题目让你进行自测；最后，如果对某个衍生话题感兴趣，你还可以启动Deep Research模式进行深度的、多来源的资料调研。在整个过程中，所有的对话历史、知识库引用和个人笔记上下文都得以保留，不会丢失。
DeepTutor 的 Chat Workspace，五种模式可在同一对话线程内无缝切换
实现这种统一体验的，是一套精心设计的双层插件架构。底层是原子工具层（Tools），提供了诸如RAG检索、Web搜索、代码执行、深度推理、头脑风暴和论文搜索等基础能力。上层则是能力编排层（Capabilities），每一个Capability都是一个多步骤的智能体（Agent）流水线，它可以根据任务需求，动态地调度和组合底层的各种工具。
这种设计的优势在于工具与能力被完全解耦。在一次对话中，你可以只启用RAG工具来进行简单的知识问答，也可以同时挂载代码执行和Web搜索工具，来完成一个需要综合信息处理和计算的复杂问题。工具的组合权被交还到了用户手中，而非由平台预设死板的流程。
Deep Solve 和 Deep Research：两种 Agent 流水线
观察Deep Solve的工作流程，就能很好地理解这套架构的实际效力。
DeepTutor 双层插件架构：Tools 层提供原子能力，Capabilities 层编排多步骤 Agent 流水线
Deep Solve的解题流程被清晰地分为三步：规划 (Plan) → 推理与行动 (ReAct) → 总结 (Write)。在规划阶段，大语言模型（LLM）会首先拆解问题并制定解决策略；在推理阶段，系统进入经典的ReAct循环（思考→行动→观察→再思考），每一步都可以调用RAG、网络搜索或代码执行等工具；最后的写作阶段则将整个推理过程收束，整理成结构清晰、逻辑严密的最终答案。
在代码层面，整个流转路径是这样的：ChatOrchestrator 接收一个 UnifiedContext 对象（其中包含了会话ID、用户消息、历史对话、启用的工具列表、关联的知识库等所有上下文信息），然后将其路由到对应的Capability进行处理。所有的工具和能力都通过注册表（Registry）模式进行管理，这意味着如果你需要新增一种能力，只需实现 BaseCapability 接口并将其注册即可，完全不需要改动核心的Orchestrator逻辑，体现了良好的开源实战项目设计理念。
Deep Research则采用了另一套不同的流水线：重述 (Rephrase) → 分解 (Decompose) → 研究 (Research) → 报告 (Report)。它首先会澄清研究问题，然后将其拆解为多个并行的子课题，接着派出多个研究型智能体，分别从RAG知识库、开放网络和学术论文库三个渠道搜集信息和证据，最后将所有发现汇总成一份带有规范引用的研究报告。尽管Deep Solve和Deep Research两套流水线的编排逻辑各自独立，但它们共享着底层的事件总线（StreamBus）和统一的工具层。
TutorBot：个性化的持久化智能导师
在DeepTutor的所有模块中，TutorBot是笔者花费最多时间研究的部分。它基于nanobot[2]构建，其核心思想是：每一个TutorBot都是一个独立的、持久化的智能体（Agent）——它拥有自己专属的工作空间、长期记忆、性格人格（Soul）以及可扩展的技能集，而不仅仅是一个套用了Prompt模板的聊天API。
TutorBot 架构：每个 Bot 拥有独立的 Soul、Workspace、Memory，并通过 Heartbeat 机制主动发起交互
用户可以通过“灵魂模板（Soul Template）”来定义导师的性格，例如苏格拉底式的追问型、鼓励支持型、严格严谨型，或者完全自定义。每个Bot之间是完全隔离的，但它们都能访问DeepTutor底层的共享知识库和工具层。
一个值得注意的细节是它的“心跳（Heartbeat）”机制。这使得Bot能够主动发起交互，例如定时推送复习提醒或发起学习进度检查，而不仅仅是在被用户提问时才被动响应。此外，每个Bot还能通过加载Skill文件来学习新的能力，并且可以轻松接入Telegram、Discord、Slack、飞书、企业微信、钉钉等多种外部渠道。
在CLI层面，相关的操作非常直观：
deeptutor bot create math-tutor --persona "苏格拉底式追问型数学老师"
deeptutor bot create writing-coach --persona "细致耐心的写作指导"
deeptutor bot list
代码执行器：满足学习场景，但非完全沙箱
code_executor.py 模块中实现的安全策略值得单独讨论，因为它非常坦率地界定了自身的能力边界。
代码执行流程：AST 安全检查 → 子进程隔离执行 → 产物持久化
在执行任何代码之前，ImportGuard 组件会首先解析代码的抽象语法树（AST），并将所有import语句试图导入的模块与一个预设的白名单进行比对。默认的白名单允许常见的数据科学和数学库，如 numpy、pandas、matplotlib、sympy 等。同时，它会拦截诸如 exec、eval、open 等危险函数调用，以及对 os、sys、subprocess 等模块的属性访问。代码实际运行在一个独立的子进程中，并使用 -I 隔离模式，同时设有超时控制。每次执行都会生成一个独立的目录，用于保存源代码、输出日志和任何生成的文件。
项目代码中的注释明确写道：“这是一个尽力而为的限制性运行器，并非一个真正的操作系统级沙箱”。对于教育和学习场景，这套策略基本够用，但显然不能将其用于运行来源不可信的任意代码。
部署选项与实际成本考量
DeepTutor提供了四种部署路径：交互式安装脚本（推荐给大多数用户）、手动分步安装、Docker Compose一键部署，以及纯命令行（CLI）模式。部署时必须配置LLM和Embedding模型服务，但其供应商选择非常广泛——支持超过25家服务商，国内用户可以直接使用阿里云DashScope、深度求索DeepSeek、硅基流动SiliconFlow、智谱AI等。
对于只想快速体验核心功能的用户，最轻量的方式是使用纯CLI模式：
pip install -e ".[cli]"
deeptutor chat --kb textbook --tool rag --tool web_search
如果需要使用完整的Web交互界面，则需要同时运行基于Python FastAPI的后端服务（默认端口8001）和基于Next.js的前端应用（默认端口3782）。实际的运行成本主要取决于你所选用的LLM API——如果使用GPT-4o-mini或DeepSeek这类性价比较高的模型，对于日常学习场景，产生的费用几乎可以忽略不计。
项目还有一个颇具前瞻性的设计：它在根目录放置了一个 SKILL.md 文件，任何支持工具调用（Function Calling）的大语言模型在阅读这个文件后，理论上就能自主操作DeepTutor的各类功能。这意味着你可以将DeepTutor作为一个大智能体工作流中的一个组件来使用，而不仅仅是把它当作一个独立的工具。
对于希望深入探索更多人工智能开源项目和应用实践的开发者，可以关注云栈社区的相关讨论板块，那里汇集了许多技术解析和实战经验分享。
引用链接
[1] DeepTutor: https://github.com/HKUDS/DeepTutor
[2] nanobot: https://github.com/HKUDS/nanobot
发表于 2 小时前
|
查看: 4|
回复: 0
