DeepTutor

详情介绍

想象一下，你上传一本艰深的专业教材或一堆论文，就能拥有一个不仅懂内容、还能因材施教的私人导师，这就是DeepTutor的愿景。它由香港大学数据智能实验室开发，解决通用AI在学习场景下的两大痛点：回答浅尝辄止和无法深度结合个人学习材料。

DeepTutor 的核心是一个“双循环推理架构”。当你提出一个问题，它会进入“分析环”拆解你的真实需求，然后在“解答环”中，智能地调动多种工具来寻找答案——它既能检索你上传的知识库，也能联网搜索信息，甚至能运行代码进行验证或计算。最终给出的答案，每一步都附带精确的引用来源，真正做到“有据可查”。它能将复杂的知识脉络，一个算法的工作原理或一个历史事件的因果关系，实时渲染成交互式的可视化HTML页面，让理解过程变得直观。对于科研工作者和学生，它的“深度研究”模块能自动规划、搜索并整合多篇文献，生成结构化的综述报告，极大地提升文献调研效率。

官网入口地址：

项目的官方介绍页面托管在GitHub Pages上，你可以在这里找到最权威的信息和更新： https://hkuds.github.io/DeepTutor/

下载/源代码地址：

DeepTutor 是一个完整的开源项目，所有代码都托管在GitHub上，你可以从这里获取、部署甚至参与贡献： https://github.com/HKUDS/DeepTutor

功能介绍：

DeepTutor 的功能围绕深度学习的四个核心模块展开，构成了一个完整的个性化学习闭环：

1. 大规模文档知识问答：这是基础功能。你可以上传PDF、论文、技术文档等构建专属知识库。它并非简单的语义搜索，而是基于“双循环推理架构”，将复杂问题拆解，通过RAG、网络搜索和代码执行等多种工具协同工作，最终给出一个经过验证、带清晰引用的综合答案，有效减少AI幻觉。

2. 交互式学习可视化：针对抽象难懂的概念，DeepTutor能将文本解释动态生成一个独立的HTML可视化页面。，讲解机器学习中的梯度下降时，它可以生成一个包含参数调整滑块、损失函数图像和参数更新轨迹的交互式演示，让用户通过动手操作来理解原理。

3. 知识强化练习生成：它能根据你正在学习的内容和你的掌握进度，自动生成定制化的练习题。最特别的是，它可以模仿真实考卷的风格出题，无论是大学期末考题的风格，还是职业技能认证考试的样式，都能帮你提前适应考试环境，检验学习效果。

4. 深度研究与创意生成：

   • 深度研究模块：输入一个研究主题，它会启动一个动态主题队列，自动执行“规划研究主题 → 搜索与阅读相关文献 → 撰写结构化报告”的三阶段流程，最终交付一份包含多个视角和关键信息的文献综述初稿。

   • 创意生成模块：你可以记录下零散的研究笔记或想法，DeepTutor能从中提炼出核心知识点，并尝试建立跨领域联系，为你激发新的研究思路或实验假设。

应用场景：

• 高校学生与研究生：阅读大量文献时，快速获取核心观点；准备考试时，生成针对性的模拟试卷；探索交叉学科时，可视化晦涩的概念。

• 科研人员与工程师：快速进行新领域的文献调研，生成综述报告；维护个人技术知识库，随时进行深度问答；从实验笔记中挖掘新的研究方向。

• 终身学习者：针对任何感兴趣的领域，上传几本经典教材或一系列高质量文章，构建一个专属的、深度交互的学习环境。

• 在线教育与培训：教师或培训机构可以用它来创建智能化的辅导材料，为学生提供24/7的个性化答疑和练习支持。

定价信息

DeepTutor 是一个开源免费的项目，采用 AGPL-3.0 协议。你可以自由下载、使用、修改代码，甚至可以把它部署在自己的服务器上，供自己或组织内部使用。运行成本主要取决于你调用的大语言模型API费用和服务器资源。

DeepTutor常见问题