第一章 为什么ChatGPT教不会你
你有没有这种经历：把一份 PDF 教材丢给 ChatGPT，问完几个问题，第二天再问，它好像把昨天讲的全忘了。答案也常常像”凭印象编的”，不翻那份文件。
问题不在模型笨，在于它”没有记住你学了什么、卡在哪”。它只是个聊天框，不是老师。
港大数据科学实验室（HKUDS）开源的 DeepTutor，走的是另一条路：先把你的 PDF 建成可检索的知识库，再用多个 AI 分工当”导师”，而且它会记住你学到哪、哪卡壳。开源不久星标就冲上三万，不是没道理。
今天这篇，手把手教你把它跑起来，把一份教材变成”会讲、会考、会陪你”的专属导师。
第二章 3分钟跑起来：三种安装方式
DeepTutor 是开源项目（Apache-2.0），三种方式任选。
方式一，Docker 一键（最省事）。下载 docker-compose 文件，一条命令拉起前后端，浏览器开 localhost 就能用。新手首选。
方式二，本地开发安装。进 backend 跑 uvicorn main:app，另开终端进 frontend 跑 npm run dev，访问对应端口。要 Python 3.11+ 和一个 LLM 来源（自己的 API Key 或本地模型）。
方式三，HyperAI 在线运行。零配置，点开就能体验，不想动环境的最佳入口。
首次进入有 Setup Tour，跟着走一遍，五分钟上手。
第三章 核心实操：把PDF变成”活书”
这是 DeepTutor 最炸裂的能力，叫”活书引擎”（Book Engine）。
第一步，建知识库：左侧导航点 Knowledge Base → New KB，上传你的 PDF、Markdown、Word，甚至直接粘 arXiv 论文 ID 自动下载解析。先传 3-5 个文档测效果，确认检索正常再批量导。
第二步，编译活书：选好资料，让多智能体管线自动设计大纲、检索来源、编译出一本”活书”。一本活书里塞了 13 种交互模块——测验题、闪卡、时间线、概念图、交互式 Demo……你翻到任意一页都能直接对话提问，AI 会结合该页内容和你的知识库回答。
一句话：教材从”死文件”变成了”会互动的教科书 3.0″。
第四章 进阶玩法：逐步推导 + 专属导师
只会问答太基础。DeepTutor 真正值钱的是这两块。
Deep Solve 逐步推导。它不直接甩答案，而是分步推导，每步还附上原文引用。比如你问”为什么 LoRA 里 B 初始化为零、A 随机初始化”，它会沿着数学逻辑一步步拆，并标出答案出自你上传的哪篇论文。这才是”真学会”，不是”抄答案”。
TutorBot 专属导师。给导师起个名、设个人格（比如”苏格拉底式数学老师”），它就成了一个自治导师：有独立工作区、长期记忆、技能组合，会随你一起成长。底层由 nanobot 驱动，还能设提醒、学新能力。
你甚至可以命令行一把梭：deeptutor tutorbot create --name "Python导师" --personality "耐心细致"。
第五章 自动出题与记忆画像：越用越懂你
最让我服气的是它的”持久记忆”。DeepTutor 会建一份”活档案”，记着你学过什么、怎么学的、在哪卡过、盲区在哪。这份记忆在所有对话和所有 TutorBot 之间共享，每次交互都在强化它。
配合自动出题：你上传一份往年真题，它能分析风格和难度，生成风格一致的全新练习；复杂的算法，它能拆成交互式逐步讲解页，难度还会跟着你的程度动态调整。
说白了，它把”自律学习”变成了”有人盯着你、陪着你、知道你弱在哪”的学习。这就是 AI 导师和聊天机器人的本质区别。
第六章 避坑清单：新手最常踩的5个雷
- 坑一：文档一次传太多。先 3-5 个测检索准不准，再批量导，否则错了都找不到原因。
- 坑二：模型随便填。Deep Solve 依赖强推理模型，用太弱的模型推导会断链，效果天差地别。
- 坑三：忽视记忆清理。卡壳记录会越积越多，定期回顾活档案，才知道自己弱项有没有补上。
- 坑四：只用问答模式。活书和 TutorBot 才是灵魂，光聊天等于买了跑车只用来买菜。
- 坑五：本地部署硬刚显存。怕折腾就走 Docker 或 HyperAI 在线版，别一上来跟环境死磕。
第七章 总结：把”自律”变成”陪伴”
回头看，DeepTutor 解决的不是”AI 能不能答题”，而是”AI 能不能像老师一样陪你学懂”。
它适合三类人：一是学生，把教材、论文、笔记变成会考你的导师；二是上班族，用它高效啃下编程和新技能；三是研究者，把文献库变成可对话、可出题的活知识库。
持久记忆加自治 TutorBot，让学习从”靠自律硬撑”变成”有人陪你一步步走”。现在就去 GitHub 搜 HKUDS/DeepTutor，用在线版先体验一支活书——你会后悔没早点认识它。
暂无评论内容