DeepTutor vuole ricordare dove hai sbagliato

DeepTutor ha 56.715 stelle, un preprint su arXiv, la versione 1.7.2 in uscita questa settimana e un sottotitolo che svela tutto l'argomento: tutoraggio personalizzato e lifelong.
«Lifelong» è la parola pesante. Tutto il resto del prodotto deriva dal prenderla sul serio.
Una normale app di tutoraggio è una macchina da risposte con un bel carattere. Chiedi, spiega, te ne vai. La sessione successiva riparte da zero, comodo per il fornitore e inutile per te, perché la cosa che ti serviva davvero era che qualcuno notasse che fai sempre lo stesso errore quando tocchi un certo tipo di problema.
La scommessa di DeepTutor è che l'asset prezioso non sia la spiegazione. È il registro di quali spiegazioni hanno già fallito.
Cosa c'è dentro
Il progetto viene da HKUDS e si descrive come un ambiente di apprendimento agent-native. In pratica significa diverse modalità che condividono un unico runtime: Chat, Quiz, Research, Visualize, Solve, Mastery Path e Reading. Condividono il contesto di sessione, quindi una domanda posta in Chat è disponibile quando passi a Quiz, e una debolezza trovata in Quiz può alimentare un Mastery Path.
Intorno stanno tre aree — Home, Learning, Resources — che collegano libri, lettura, esercizi, una bacheca di task, un calendario e un quaderno di apprendimento. Materiali condivisi, progressi condivisi, contesto condiviso. Se hai usato un'app di note che fa anche ripetizione dilazionata, la forma ti sarà familiare e in pratica la troverai molto più collegata.
La modalità Research è ancorata ai tuoi materiali tramite una pipeline RAG, e a ogni base di conoscenza si può assegnare una pipeline diversa. Sembra un dettaglio di configurazione finché non hai visto un assistente generalista spiegarti con sicurezza un concetto da un manuale che non stai usando. Poter puntare il retrieval sulla fonte specifica che il tuo corso adopera è la differenza tra una risposta plausibile e una risposta utile.

Installarlo
La via rapida:
pip install -U "deeptutor[full]"
Installa l'app web completa e la CLI. Il semplice deeptutor installa solo il core, che è quello che vuoi se costruisci sopra invece di usare l'interfaccia. Ci sono installer desktop per macOS e Windows se preferisci non toccare un terminale, immagini Docker precompilate su GHCR per il deployment su server, e la documentazione sta su deeptutor.info. Il paper di progetto è arXiv:2604.26962, se vuoi il ragionamento dietro la divisione in modalità prima di installare qualcosa.
La configurazione è un livello di servizi unificato con supporto multi-provider per modelli e embedding, il che significa che puoi puntarlo a un modello ospitato o a uno locale. Per uno strumento di studio la scelta conta più del solito: le trascrizioni di ciò che non capisci sono dati insolitamente personali.
La cronologia delle versioni dice cosa mancava
Leggi il changelog al contrario e ottieni una lista franca di ciò che serve a uno strumento di apprendimento prima che meriti la parola «lifelong».
Persistenza delle sessioni. Caricamento incrementale dei documenti. Scelta della pipeline RAG per base di conoscenza. Revisione della generazione delle domande. Un'architettura unificata dei prompt. Deployment con Docker. Modelli multi-provider. Localizzazione completa in cinese.
Metà di queste sono infrastruttura, non funzioni, e il punto è proprio questo. La memoria che sopravvive a un riavvio non è un extra in un sistema di tutoraggio: è la premessa. La release 1.7.0 del 28 ottobre è stata soprattutto un ridisegno dell'interfaccia, che di solito segnala che il motore ha smesso di cambiare forma ogni mese.
Cos'è davvero un Mastery Path, e perché è difficile
I nomi delle modalità che contano di più sono Quiz e Mastery Path, perché sono quelli che richiedono un modello dello studente invece di un modello della materia.
Fare quiz è facile da simulare: genera dieci domande, valuta, mostra un punteggio. Un percorso di padronanza è più difficile. Devi sapere quale concetto implica ogni risposta sbagliata, da quale prerequisito quel concetto dipende, e se lo studente ha sbagliato per il prerequisito o per come era formulata la domanda. Poi devi ordinare le quattro cose successive in modo che ognuna sia solo un po' oltre ciò che lo studente sa fare adesso.
È un pezzo di ingegneria davvero difficile, ed è la parte in cui un LLM da solo non basta: serve un grafo di concetti, ed è per questo che tanto di questo prodotto sembra una base di conoscenza con un'interfaccia di chat attaccata sopra, invece del contrario. La chat è la porta d'ingresso. Il grafo è la casa.
Quanto costa davvero la prima settimana
La configurazione è la parte noiosa e merita un resoconto onesto.
L'installazione richiede minuti. Poi devi dargli qualcosa da cui insegnare. Caricare un capitolo di un manuale funziona; caricare una cartella di PDF funziona meglio; caricare un semestre dei tuoi appunti funziona meglio di tutto, ed è anche la cosa più tediosa che farai in settimana. Il caricamento incrementale aiuta, perché un documento si può aggiungere a corso iniziato invece di ricostruire la base di conoscenza, ma il primo passaggio resta manuale.
Poi configuri un modello. Il livello multi-provider lascia la scelta a te, e per materiale di studio l'argomento favorisce il modello migliore che puoi permetterti, non il più economico, perché il modo di fallire di un modello debole in modalità tutor è la sicurezza di sbagliare, che è esattamente ciò che uno studente non può rilevare.
La modalità che tende a ripagarsi per prima è Quiz, non Chat. Ricevere una domanda su materiale che hai appena letto e sbagliarla produce un senso del divario più netto di qualsiasi spiegazione. Non è una proprietà di questo prodotto: è come funziona la pratica di recupero. Ma il prodotto è costruito per rendere quel ciclo comodo, e la comodità è il motivo per cui il ciclo avviene.
Mastery Path è la modalità che non puoi valutare in fretta. Ha bisogno di più storia di quella che una settimana fornisce, il che è un limite equo o un difetto di progetto, a seconda della tua pazienza.
Dove ti deluderà
Ha bisogno dei tuoi materiali. Tutta la proposta di valore dipende dal fatto che il livello RAG abbia qualcosa da recuperare. Puntalo a una base di conoscenza vuota e ottieni un assistente generalista competente, che è la cosa da cui cercavi di scappare.
Anche la dispersione delle modalità è reale. Sette modalità più tre aree sono una superficie enorme per uno strumento di studio, e il modo onesto di fallire di un sistema così è passare una settimana a configurarlo e due sere a studiare davvero.
E «lifelong» fa un po' di lavoro di marketing. Il sistema ricorda ciò che accade dentro di sé. Non sa cosa hai imparato in un libro letto su carta, a lezione o in una conversazione con un collega. Il registro è completo solo quanto l'abitudine di alimentarlo.
A chi serve davvero
Se stai preparando un solo esame in tre settimane, un buon manuale e una pila di prove passate lo battono. Se stai imparando qualcosa per mesi — una lingua, una materia clinica, un pezzo di matematica che continui a sfiorare senza afferrarlo — la persistenza è la funzione. Il valore del sistema si accumula in un modo in cui quello di una finestra di chat non fa.
Il confronto da fare non è con gli altri tutor AI. È con la cartella di appunti che tieni da anni e non riapri mai. DeepTutor è un tentativo di costruire la versione di quella cartella che ti fa domande.
Se funzioni è una domanda empirica a cui puoi rispondere solo tu, in un periodo abbastanza lungo da essere scomodo. Che è, più o meno, la definizione di educazione.
Articoli correlati
Un foglio di calcolo comunitario di tocchi che spegne la pubblicità negli Android cinesi
Non tocca il sistema, non sblocca niente, non flasha niente. Ribalta solo gli interruttori che i produttori hanno già previsto. Il prezzo è una lista che qualcuno deve continuare a scrivere.
GPT Image 2.6 ha tenuto il prezzo dei token e alzato la fattura
GPT Image 2.6 conserva ogni tariffa per token di 2.5 e costa comunque di più per immagine, perché buona parte del lavoro passa ora nei token di output. Undici giorni dopo il lancio, la struttura dei prezzi dice più della classifica.
Qualcuno ha ricostruito IDM dall'esterno e ha scritto cosa non ha toccato
Una reimplementazione in Rust di Internet Download Manager promette 5 volte la velocità e 86 lingue. Il documento più interessante è il paragrafo che spiega come è stata costruita senza copiare nulla.
Rune è un framework UI per Rust costruito perché un agente possa verificare il proprio lavoro
Rune renderizza headless, esporta il suo albero di elementi e accetta input scriptato, dando a un agente di coding un segnale diffabile che nessuno screenshot può offrire. Il framework è in pre-release e non accetta pull request.