HKUDS/DeepTutor 在 GitHub 上 46,521 星，Apache-2.0。定位是"智能体原生的学习工作台"。
它把一个学习工具做成了九种模式共用一套运行时：对话、提问、测验、调研、可视化、解题、精修路径、沉浸阅读、音频概览。
这九种模式共享会话上下文。学完一章接着出题，题目接着进题库，题库接着进复习路径，中间不用把资料再贴一遍。
【一、学习工具最常见的问题是上下文断开】
用过学习类产品的人都有这个体验：读完一章，想让它出题，得重新说明背景；出完题想让它总结薄弱点，又得再说一遍。
DeepTutor 把这件事定义成架构问题。它的做法是让九种模式跑在同一个能力运行时和会话上下文上，各自保留自己的循环与流水线。
这句话值得抄进任何做智能体产品的设计文档：共用上下文，各留专用流程。
共用是为了不重复交代，专用是为了每种任务有合适的推法。两者都做，才不至于做成一个大而全的聊天框。
【二、任务板：学习也需要待办】
文档里有一块叫任务板，分待办、进行中、完成三列，卡片可以写备注，可以拖拽，也可以用键盘按钮移动，归档后能恢复。
它特意写了一句：卡片留在当前工作区，不需要配置模型。
最后半句是个设计信号。做学习工具的人容易把"AI 生成任务"当卖点，它把任务板做成了一个纯本地的手写清单。
AI 在学习场景里最容易喧宾夺主。任务板不做智能，反而更好用，因为学习计划是人自己最清楚的部分。
【三、视频学习：时间戳对齐是硬要求】
沉浸阅读里可以加 YouTube 或 Bilibili 链接，做原生播放、字幕搜索、基于时间戳的问答、记笔记、断点续学。
字幕搜索与时间戳对齐这两条是硬门槛。多数"用视频学习"的工具做不到"你问一句，它答完告诉你去第几分钟看"。
Bilibili 支持这一点对中文用户价值高。国内做学习工具的产品，多数只支持本地文件或自建视频库。
它还留了一个可配置项：YouTube 字幕与浏览可以走管理员配置的 Invidious 实例。这条是企业内网部署时的实际需求。
四、知识库要按形态分接
它列的知识源清单很长：LlamaIndex、PageIndex、GraphRAG、LightRAG 本地、远程 LightRAG 服务、自托管 WeKnora、腾讯 IMA、MarginNote 4、Kiwix ZIM 离线包、Obsidian 库，文档解析可插拔。
这张清单传达的信息是：知识库的形态远不止向量检索一种。
引擎：LlamaIndex；适合的检索形态：通用切块加向量
引擎：PageIndex；适合的检索形态：按页面与版面定位
引擎：GraphRAG；适合的检索形态：实体关系与多跳
引擎：LightRAG；适合的检索形态：轻量图谱，成本更低
引擎：Kiwix ZIM；适合的检索形态：离线百科，无网环境
不同引擎回答不同问题。"这份合同第几条说了什么"和"这几份报告之间有哪些矛盾"，靠的是两套检索。
文档里还有一条关于 LightRAG 的细节：抽取、查询、视觉三类模型可以各自独立配置，创建时只写默认值，重建需要确认。
这条对应一个常见事故：改了嵌入模型没重建索引，检索结果全乱。要求"重建需确认"就是在防这个。
【五、记忆分三层，可查看可改】
这一块是它最有特色的部分。
文档写：L1 轨迹、L2 表层摘要、L3 综合结论，让个性化可见可编辑；记忆图谱把 L2 事实连到 L1 证据，把 L3 综合结论连到贡献它的表层。
拆开看是三个层次：
层：L1 轨迹；内容：原始交互记录；作用：证据
层：L2 摘要；内容：从轨迹抽出的事实；作用：可复用结论
层：L3 综合；内容：多个事实合成的判断；作用：个性化画像
三层的关系是有向的：摘要能追到原始证据，综合结论能追到贡献它的摘要。
这条设计解决的是记忆类产品最麻烦的问题：用户看到一个结论，不知道它从哪来，也没法反驳。
能追到证据，就能纠错。这是把记忆从黑箱变成可维护资产的关键一步。
六、把外部智能体当顾问
它有一个设计叫子智能体与伙伴：在对话里可以咨询一个在线智能体，清单里列了 Claude Code、Codex、Grok CLI、Antigravity、Kimi、opencode、MiMo、Hermes、OpenClaw、DeepSeek。
还能导入过去的对话，以及在同一个大脑上跑常驻的 IM 伙伴。
这个模式的实用点在于分工：学习台负责知识、进度、题库、记忆，编码智能体负责写代码、跑命令。
两条线各管一段，通过对话交接。比把所有能力塞进一个智能体更容易维护。
七、安装路径与前提
四条安装路径，共用一套运行时目录布局。推荐流程是：选运行时目录、安装、deeptutor init、deeptutor start。
pip install -U "deeptutor[full]"
mkdir -p my-deeptutor && cd my-deeptutor
deeptutor init
deeptutor start
版本 1.7.0 起改成分模块安装：deeptutor[full] 装 Web 应用加命令行，deeptutor 只装核心对话。功能模块版本必须与核心一致。
前提写得很具体：Python 3.11 到 3.14，Node.js 20 以上要在 PATH 里，因为打包的 Next.js 服务由 deeptutor start 拉起。
工作区可以用命令行管：
deeptutor workspace show
deeptutor workspace set /absolute/path/to/my-folder
deeptutor workspace reset
用一个目录管工作区，比在界面里上传文件更适合长期使用。资料留在本地，换机器时整目录拷走。
八、版本节奏透露的信息
README 的发布记录写得很密，从 2026 年 4 月的 beta 到 2026 年 10 月 28 日的 1.7.0，半年多时间几十个版本。
主线能看出优先级：先做架构重写与命令行，再做多引擎知识库与解析，再做任务板、视频学习、记忆分层，最近在修可靠性（恢复流、可恢复索引、明确的截断提示）。
中间有几个修复版本，标题直接写"某个失败是静默的"。能公开承认静默失败并专门修，说明团队在用真实数据跑。
这些是判断一个开源项目是否在生产使用的信号，比星数更可信。
九、在百智办公里怎么落
学习场景落到百智办公，主要是知识库加专家加技能的组法。
- 「资源管理 → 知识库」按科目或按项目建库，别把所有资料塞进一个库。检索质量取决于库的边界。
- 每个库只放这一类的资料：教材、真题、笔记分开。混库之后相似度排序会把不相干的段落排上来。
- 「资源管理 → 专家」建学科专家，绑定对应知识库，写清它的讲解口径与禁止事项。
- 「资源管理 → 技能」把重复动作做成技能：出题、批改、错题归纳、章节摘要。技能里固定输出格式，输出的表格才好统计。
- 「资源管理 → 规则」规定：回答必须给来源章节，找不到就说找不到，别编。
- 客户端「设置 → 助手配置」给不同人群分发不同专家：新人用入门专家，老手用进阶专家。
- 资料更新后重建索引，并在备注里记下重建日期。索引与资料不一致是最常见的检索出错原因。
第 5 条对应它的三层记忆里"能追到证据"这条。要求给来源，等于把摘要层强行绑回证据层。
第 7 条对应 LightRAG 那条"重建需确认"。资料变了不重建，比没有知识库更麻烦，因为检索会给出过时但看起来很权威的答案。
十、可以直接抄的提示词
帮我设计一套学科知识库的划分方案。
先列出我所有的资料类型与大致数量，然后给出：
- 库的划分：每个库的名字、边界（收什么、不收什么）、对应的人群
- 每库的切块策略：按章节、按页、按问答对，说明理由
- 更新流程：新资料进来怎么入库，什么时候必须重建索引
- 检索兜底：检索不到时专家该怎么回答，明确禁止编造
- 质检方法：准备哪几个问题能验证这个库检索是否正常
输出要求：
· 划分方案用表格：库名、收录范围、排除范围、使用人群
· 每个库给 3 个质检问题，问题要能区分"检索到了"和"蒙对了"
· 更新流程写成步骤，标明每步谁负责
· 兜底话术直接给成句，能贴进专家规则
硬性要求：
· 划分依据写清楚，别只给结果
· 有歧义的资料要单独说明放到哪个库、为什么
· 质检问题必须能用现有资料答出来，别出无解的题
第 5 条容易被忽略。知识库上线前没有质检题，出问题只能靠用户投诉发现。
十一、四个坑
坑一：九种模式共用一个库，边界糊掉。
模式共用上下文是好事，知识库混用则会出问题。库混了检索必然乱。
坑二：换嵌入模型不重建索引。
文档特意要求重建需确认，说明这是高频事故。
坑三：只做摘要不做证据链。
没有 L1 可追，摘要出错就无从纠正，用户只能全盘不信。
坑四：把学习计划交给 AI 生成。
它的任务板刻意不做智能。计划里最清楚的部分是人自己的目标与时间。
十二、边界
· 46,521 星、Apache-2.0、定位、九种模式共用运行时、任务板三列与无需模型配置、沉浸视频学习与时间戳问答与 Invidious 配置项、子智能体清单、知识源清单、LightRAG 三类模型独立配置与重建确认、L1/L2/L3 与记忆图谱、四条安装路径、Python 3.11-3.14 与 Node 20 以上、工作区三条命令、版本节奏与 1.7.0 内容：GitHub 仓库 HKUDS/DeepTutor 的 README.md，2026-10-28 抓取。星数会变。
· 我没有安装 DeepTutor，没有跑过任何模式，也没有验证视频时间戳对齐与记忆图谱的实际效果。所有能力描述来自 README 与发布记录。
十三、事实来源
· 星数、许可、九种模式、任务板、视频学习、子智能体与伙伴、多引擎知识库、三层记忆与记忆图谱、安装路径与命令、版本记录：GitHub 仓库 HKUDS/DeepTutor 的 README.md，2026-10-28
· 知识库、专家、技能、规则、助手配置与分发范围：官方文档《知识库管理》《专家》《技能导入与使用》《规则配置》《助手配置》，2026-10-28 核对
