DeepTutor는 당신이 틀린 것을 기억하려 한다

DeepTutor는 별 5만 6715개, arXiv 프리프린트, 이번 주 나온 1.7.2 버전, 그리고 주장 전체를 드러내는 부제를 갖고 있다. 평생 개인화 과외.
'평생'이 무게를 싣는 단어다. 제품의 나머지 전부가 그것을 진지하게 받아들인 결과다.
보통의 과외 앱은 친근한 글꼴을 쓴 정답 기계다. 물으면 설명하고, 떠난다. 다음 세션은 0에서 시작한다. 벤더에게는 편하고 당신에게는 쓸모없다. 당신에게 실제로 필요했던 것은 특정한 종류의 문제를 만질 때마다 같은 실수를 한다는 걸 누군가 알아차리는 일이었으니까.
DeepTutor의 베팅은 값진 자산이 설명이 아니라는 쪽이다. 이미 실패한 설명이 무엇인지의 기록이다.
무엇이 들어 있나
HKUDS에서 나온 프로젝트이고, 에이전트 네이티브 학습 워크스페이스라고 소개한다. 실제로는 하나의 런타임을 공유하는 여러 모드다. Chat, Quiz, Research, Visualize, Solve, Mastery Path, Reading. 세션 맥락을 공유하므로 Chat에서 한 질문을 Quiz로 옮겨가도 쓸 수 있고, Quiz에서 발견한 약점을 Mastery Path로 넘길 수 있다.
그 주위에 Home, Learning, Resources 세 영역이 있고, 책과 읽기, 연습, 할 일 보드, 캘린더, 학습 노트를 연결한다. 공유 자료, 공유 진도, 공유 맥락. 간격 반복까지 하는 노트 앱을 써봤다면 형태는 익숙하고 실제 연결은 훨씬 촘촘하다고 느낄 것이다.
Research 모드는 RAG 파이프라인으로 자기 자료에 근거한다. 지식 베이스마다 다른 파이프라인을 배정할 수 있다. 설정 디테일처럼 들리지만, 범용 어시스턴트가 당신이 쓰지 않는 교재의 개념을 자신 있게 설명하는 걸 본 뒤에는 달라진다. 검색을 수강 과목이 실제로 쓰는 자료에 겨눌 수 있다는 것은 그럴듯한 답과 유용한 답의 차이다.

설치
빠른 경로는 이렇다.
pip install -U "deeptutor[full]"
전체 웹 앱과 CLI가 설치된다. deeptutor만 설치하면 코어만 들어가는데, 인터페이스를 쓰기보다 그 위에 무언가를 만들 때 원하는 쪽이다. 터미널을 만지고 싶지 않다면 macOS와 Windows 데스크톱 설치 파일이 있고, 서버 배포용 사전 빌드 Docker 이미지가 GHCR에 있으며, 문서는 deeptutor.info에 있다. 모드 분리의 근거를 설치 전에 읽고 싶다면 설계 논문은 arXiv:2604.26962다.
설정은 다중 프로바이더 LLM과 임베딩을 지원하는 통합 서비스 레이어다. 호스팅 모델에도, 로컬 모델에도 겨눌 수 있다. 공부 도구에서는 이 선택이 평소보다 중요하다. 무엇을 이해하지 못했는지의 기록은 유난히 사적인 데이터다.
버전 이력이 알려주는 빠져 있던 것
체인지로그를 거꾸로 읽으면 '평생'이라는 말을 쓸 자격을 갖추기 전에 학습 도구에 무엇이 필요한지의 솔직한 목록이 나온다.
세션 지속성. 증분 문서 업로드. 지식 베이스별 RAG 파이프라인 선택. 질문 생성 개편. 통합 프롬프트 아키텍처. Docker 배포. 다중 프로바이더 모델. 중국어 전체 현지화.
절반은 기능이 아니라 인프라이고, 그게 요점이다. 재시작을 견디는 기억은 과외 시스템에서 있으면 좋은 것이 아니라 전제 전부다. 10월 28일의 1.7.0 릴리스는 대부분 인터페이스 재설계였는데, 보통 엔진이 매달 형태를 바꾸기를 멈췄다는 신호다.
Mastery Path란 무엇이고 왜 어려운가
가장 중요한 모드 이름은 Quiz와 Mastery Path다. 과목의 모델이 아니라 학생의 모델을 요구하는 쪽이기 때문이다.
퀴즈는 속이기 쉽다. 질문 열 개를 만들고, 채점하고, 점수를 보여준다. 숙달 경로는 더 어렵다. 각 오답이 어떤 개념을 가리키는지, 그 개념이 어떤 선수 개념에 의존하는지, 학습자가 선수 개념 때문에 틀렸는지 질문의 표현 때문에 틀렸는지를 알아야 한다. 그다음 다음 네 가지를 배열해서 각각이 현재 할 수 있는 것보다 조금만 앞서게 만들어야 한다.
정말 어려운 엔지니어링이고, LLM만으로는 부족한 지점이다. 개념 그래프가 필요하고, 그래서 이 제품이 대화 인터페이스를 얹은 지식 베이스처럼 보이는 부분이 많다. 반대가 아니라. 채팅은 현관이고, 그래프가 집이다.
첫 주에 실제로 드는 비용
준비가 심심한 부분이고, 정직하게 적을 가치가 있다.
설치는 몇 분이다. 그다음 가르칠 재료를 줘야 한다. 교재 한 챕터를 올리면 되고, PDF 폴더를 올리면 더 낫고, 한 학기 분량의 자기 노트를 올리면 가장 좋으면서 그 주에 하게 될 가장 지루한 일이다. 증분 업로드가 도움이 된다. 지식 베이스를 다시 짓지 않고 강의 중간에 문서를 추가할 수 있다. 그래도 첫 회차는 수작업이다.
그다음 모델을 설정한다. 다중 프로바이더 레이어는 선택이 당신 몫이라는 뜻이고, 학습 자료에서는 가장 싼 모델보다 감당할 수 있는 가장 좋은 모델 쪽으로 논리가 기운다. 과외 모드에서 약한 모델의 실패 모드는 자신 있는 오답이고, 학생이 탐지할 수 없는 바로 그 것이다.
가장 먼저 값을 하는 모드는 Chat이 아니라 Quiz다. 방금 읽은 자료에 대해 질문을 받고 틀리면, 어떤 설명보다도 간극이 선명하게 느껴진다. 이 제품의 성질이 아니라 인출 연습이 그렇게 작동하기 때문이지만, 제품은 그 루프를 편하게 만들도록 지어졌고, 편리함이 루프가 일어나는 이유다.
Mastery Path는 빨리 평가할 수 없는 모드다. 일주일이 주는 것보다 많은 이력이 필요하고, 인내심에 따라 정당한 한계이거나 설계 결함이다.
실망하게 될 지점
자료가 필요하다. 가치 제안 전체가 RAG 레이어에 검색할 것이 있다는 데 달려 있다. 빈 지식 베이스에 겨누면 유능한 범용 어시스턴트가 나오는데, 그게 당신이 벗어나려던 것이다.
모드가 너무 많다는 것도 사실이다. 일곱 모드에 세 영역은 공부 도구로서 표면이 넓다. 이런 시스템의 솔직한 실패 모드는 일주일을 설정에 쓰고 두 저녁을 실제 학습에 쓰는 것이다.
그리고 '평생'은 마케팅 일을 좀 한다. 시스템은 자기 안에서 일어난 일을 기억한다. 종이로 읽은 책, 강의, 동료와의 대화에서 배운 것은 모른다. 기록은 그것을 먹이는 습관만큼만 완전하다.
누구를 위한 것인가
3주 뒤 시험 하나를 준비한다면 좋은 교재와 기출 묶음이 이걸 이긴다. 몇 달에 걸쳐 무언가를 배운다면, 언어든 임상 과목이든 계속 거의 이해할 뻔하는 수학이든, 지속성이 기능이다. 시스템의 가치는 채팅 창과 달리 복리로 쌓인다.
비교할 대상은 다른 AI 과외가 아니다. 수년간 모아두고 다시 열지 않는 노트 폴더다. DeepTutor는 그 폴더가 질문을 던지는 버전을 만들려는 시도다.
되는지는 불편할 만큼 긴 기간에 걸쳐 자기 자신에게만 답할 수 있는 경험적 질문이다. 그것이 대략 교육의 정의다.