港大开源 DeepTutor 学习助理：5 万星热度，三层记忆能翻着看

港大数据智能实验室推出的开源学习助理 DeepTutor，已在 GitHub 上积累 51900 颗星，采用 Apache-2.0 许可证。

港大 HKUDS 这个实验室你也许听过，之前出过几个爆款项目。这次的 DeepTutor 名字确实土——深度辅导，但翻它的功能列表翻到一半，我停住了。

它里面没有传统的聊天框。它干的事，是把你的学习过程本身变成一份 AI 能复用的上下文。

上面是它的首页。左侧一列，Chat、Calendar、Task Board、Notebook，一个工作台的样子，没有花活。

记忆敢给你看

先说我觉得最值的一点，它戳中了我不太舒服的地方。

现在人人都在做「AI 记得你」。可它到底记了什么、记错了怎么改、哪些该忘没忘，你翻不到。只能感觉它变笨了，却找不出哪儿出了岔子。

DeepTutor 把记忆切成三层，三层都能翻开：

• L1 traces：原始交互流水，一句一句都在
• L2 surface：它自己抽出来的摘要
• L3 synthesis：攒出来的长期画像
• Memory Graph：上面三层连成的图谱，能看到哪条记忆是从哪条推出来的

这里必须提一下，Memory Graph 的记忆可解释性正是当下 AI Agent 课程着重训练的方向。Memory Graph 的训练思路之一就是把推理链展示出来，让模型自己说清楚「这条结论怎么来的」，而不光输出一个结果。DeepTutor 在这条路上走得相当硬核。

界面里有个单独入口就叫 Memory，进去能一条条看、能删。这事听着简单，做起来麻烦，因为大部分团队压根不想让你看见。看见就得解释，解释就得负责。

它把学习当成一条流水线

第二个不一样的地方，是它怎么定义「学」。大部分 AI 学习工具干的是问答，你问，它答，答完散了。

DeepTutor 的路子长一些。先建知识库，再读书，边读边出题，读不动的扔给视频，学完看掌握度。这几个环节共用一套上下文：你在书里划的那句，出题时会用上；你答错的那道，进掌握度。先建知识库，再读书，边读边出题，这套流程在 DeepTutor 里跑得很顺。

这是它的书本模式。左边目录，右边正文，每个小节底下挂一道 Quick Check，答完点开看解析。

书架页，进度条加「继续阅读」。设计不新鲜，但跟出题打通之后就有用了。它算进度不看翻了几页，看你答上来几道。

个性化页信息量很大。My Agents 能连 Claude Code、Codex、Grok CLI、Antigravity、Kimi、opencode 等十几个编码 CLI；Personas 是人格预设，Skills 是能力手册，还有 MCP Services、CLI Apps、Memory。

一个人自己攒的工具链，它全认。

几个不那么常见的设计

文档翻完，三个设计我觉得有点意思。

伴侣：有自己 SOUL.md 的 AI

项目里有个叫 Partners 的东西。跟普通「角色设定」的区别在于，每个伴侣有自己的 SOUL.md，是真正落盘的一份人格描述。你能养好几个，脾气专长各不同，还能接到飞书、Telegram、Slack、Discord、钉钉、QQ、企微、WhatsApp 十几个渠道上。

它是想让 AI 被当人处，不是当工具用。这方向对不对我说不准，但它确实认真在往那儿做。

视频学习：B 站和 YouTube 原生播放

它能拉视频进来原生播放，字幕做成可搜索的，你搜一句台词，它直接跳到那一秒开始讲。这功能我自己做笔记的时候天天想要。

知识引擎：六种后端随便换

LlamaIndex、PageIndex、GraphRAG、LightRAG、WeKnora，外加腾讯 IMA、MarginNote 4、Kiwix 的 ZIM 离线百科、Obsidian 笔记。自己那套 RAG 它没绑死，留了口子让你换。

上手有多麻烦

不麻烦，这是它做得好的地方：

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

一行，端口 3782，数据落在卷里。注意它默认绑 127.0.0.1 而不是 0.0.0.0。这细节我给好评，作者想过这东西不该直接甩到公网上。

不好使的地方

好处说得差不多了，下面是问题。

功能太多，你多半只用得上三成

工作台、书本、伴侣、Agent、知识引擎、掌握度，它是个想装下所有东西的产品。这类产品有个通病：新用户第一次打开不知道该点哪儿。我翻了半天才把「学一门课」这条主路径摸清。

太依赖你自己的材料

它不凭空教你。你手上得先有书、有笔记、有知识库，它才有活干。空手进去，你会觉得「就这？」。这不算缺点，是预期得摆正。

CLI 和 MCP 那一堆默认是关的

Personas、Skills、MCP Services 初始都是 0。这些是能力上限，不是开箱体验。别被功能列表唬住，它默认状态其实挺素的。

项目 Python 写的，Apache-2.0，2025 年 12 月建仓。39 天到 1 万星、111 天到 2 万星、9 个月 4 万星，这曲线在港大系项目里算正常发挥。最新 v1.7.0 是 2026 年 10 月 28 号发的，还在高频迭代。

写在最后

AI 辅导这事的难处，我一直觉得跟模型没多大关系，全在上下文。它早够聪明了，问题是每次见你都像第一次见面，你说过的话它当新的。

DeepTutor 干的是把这堆上下文攒起来，然后摊开给你看。攒得怎么样另说，肯摊开这件事，我愿意给它机会。

对了，它那个 Memory 页你要是翻完了，回来跟我说说它给你攒出什么画像了，我挺好奇。

项目地址：https://github.com/HKUDS/DeepTutor