DeepTutor：AI 驱动的个性化学习助手

DeepTutor 是一个端到端的开源平台，能将任何知识库转化为智能辅导系统。它诞生于 HKUDS 对大型语言模型（LLM）工作流的研究，随后发展成为具备完整功能、可商用的技术栈。

为什么选择 DeepTutor？

• 多智能体架构 – 各个代理分别负责调查、规划、执行和检查，让您对推理流程拥有细粒度控制。
• RAG + 混合检索 – 无缝融合本地嵌入、网络搜索、论文检索和代码执行，生成准确且带引用的答案。
• 丰富的 UI – 基于 Next.js / React 的仪表盘，支持实时 WebSocket 流、可视化学习页面以及 AI 增强的笔记功能。
• 可扩展 – 轻松添加新的 LLM、嵌入模型或搜索服务。
• 零代码起步 – Docker 镜像预构建，您可在 10 分钟内快速启动新实例。

快速上手 🚀

1. 克隆仓库

   git clone https://github.com/HKUDS/DeepTutor.git
   cd DeepTutor
   

2. 创建环境（推荐使用 Conda）

   conda create -n deeptutor python=3.10
   conda activate deeptutor
   

3. 设置 API 密钥

   cp .env.example .env
   # 用您的 Azure/OpenAI 密钥编辑 .env
   

4. 通过 Docker 运行（最快）

   docker compose up --build -d
   

   或 使用预构建镜像：

   docker run -d --name deeptutor \
   -p 8001:8001 -p 3782:3782 \
   --env-file .env \
   -v $(pwd)/data:/app/data \
   ghcr.io/hkuds/deeptutor:latest
   

5. 访问 Web UI – http://localhost:3782

6. 后端 API 文档位于 http://localhost:8001/docs。

核心模块说明

扩展 DeepTutor

• 添加新的 LLM ‑ 编辑 config/agents.yaml，并提供您提供商支持的 LLM_MODEL。
• 切换嵌入模型 ‑ 更改 EMBEDDING_MODEL，若使用私有服务器请添加端点。
• 添加新搜索 ‑ 在 .env 中启用/禁用提供商（如 SEARCH_PROVIDER=perplexity）或修改 src/agents/agents.py。
• 贡献代码 ‑ 仓库采用 MIT 风格开发工作流。提交 issue、Pull Request，协助完善架构。

贡献工作流

1. Fork 并克隆仓库。
2. 创建功能分支，使用清晰命名，例如 feature/solver-optimization。
3. 运行 pre-commit install 以强制执行 lint 检查。
4. 在本地使用 docker compose up --build 进行测试。
5. 推送并提交 PR。CI 将执行单元测试和 lint 检查。

获取帮助

• 社区渠道 ‑ Discord、WeChat、Slack 以及 GitHub Discussions。
• 文档 ‑ docs/ 文件夹包含仓库内引用和 API 文档。
• 问题跟踪器 ‑ 在提交新问题前请先搜索现有问题。

为什么采用 AGPL‑3.0？

DeepTutor 的 AGPL 许可证确保任何下游服务提供软件时，都必须共享源代码的更改。此举鼓励基于 LLM 的辅导服务保持透明度，并保护社区集体改进的成果。

结语

借助 DeepTutor，您可以尝试前沿 LLM 工作流，创建个性化学习中心，或为您的机构部署一名辅导机器人。其模块化设计意味着您可以从默认的 FastAPI/Next.js 栈开始，随后再接入不同的 LLM 或嵌入特定领域知识库。无论您是开发者、教育者还是 AI 研究员，DeepTutor 都提供了一个实验 playground 和一个可商用工具——全部开源。

立即开始探索 – 将任何文档转化为交互式 AI 辅导老师！