← Voltar ao blog
Aicerca de 7 min de leitura

O DeepTutor quer lembrar do que você errou

Publicado 9 de nov. de 2026
O DeepTutor quer lembrar do que você errou

O DeepTutor tem 56.715 estrelas, um preprint no arXiv, versão 1.7.2 saindo esta semana e um subtítulo que entrega todo o argumento: tutoria pessoal ao longo da vida.

«Ao longo da vida» é a palavra carregada. Todo o resto do produto decorre de levar isso a sério.

Um app de tutoria normal é uma máquina de respostas com uma fonte amigável. Você pergunta, ele explica, você sai. A sessão seguinte começa do zero, o que é conveniente para o fornecedor e inútil para você, porque o que você realmente precisava era que alguém notasse que você comete o mesmo erro toda vez que encosta num certo tipo de problema.

A aposta do DeepTutor é que o ativo valioso não é a explicação. É o registro de quais explicações já falharam.

O que tem dentro

O projeto vem do HKUDS e se descreve como um ambiente de aprendizado nativo de agentes. Na prática, isso significa vários modos compartilhando um runtime: Chat, Quiz, Research, Visualize, Solve, Mastery Path e Reading. Eles compartilham o contexto da sessão, então uma pergunta feita no Chat está disponível quando você muda para o Quiz, e uma fraqueza encontrada no Quiz pode alimentar uma Mastery Path.

Em volta disso ficam três áreas — Home, Learning e Resources — que conectam livros, leitura, prática, um quadro de tarefas, um calendário e um caderno de aprendizado. Materiais compartilhados, progresso compartilhado, contexto compartilhado. Se você já usou um app de notas que também faz repetição espaçada, vai parecer familiar na forma e bem mais conectado na prática.

O modo Research é ancorado nos seus próprios materiais por um pipeline de RAG, e cada base de conhecimento pode receber um pipeline diferente. Isso parece detalhe de configuração até você ver um assistente de propósito geral explicar com confiança um conceito de um livro que você não está usando. Conseguir apontar a recuperação para a fonte específica que o seu curso usa de fato é a diferença entre uma resposta plausível e uma resposta útil.

A wall of blank index cards pinned in a grid, connected by coloured threads

Instalando

O caminho rápido:

pip install -U "deeptutor[full]"

Isso instala o app web completo e a CLI. O deeptutor puro instala só o núcleo, que é o que você quer se for construir em cima em vez de usar a interface. Existem instaladores de desktop para macOS e Windows se você preferir não encostar num terminal, imagens Docker prontas no GHCR para deploy em servidor, e a documentação fica em deeptutor.info. O artigo de design é arXiv:2604.26962, se você quiser o raciocínio por trás da divisão em modos antes de instalar qualquer coisa.

A configuração é uma camada de serviço unificada com suporte a múltiplos provedores de LLM e de embedding, o que significa que você pode apontar para um modelo hospedado ou local. Para uma ferramenta de estudo, essa escolha importa mais que o normal: as transcrições do que você não entende são dados incomumente pessoais.

O histórico de versões diz o que faltava

Leia o changelog de trás para frente e você tem uma lista franca do que uma ferramenta de aprendizado precisa antes de merecer a palavra «ao longo da vida».

Persistência de sessão. Upload incremental de documentos. Seleção de pipeline de RAG por base de conhecimento. Reformulação da geração de questões. Uma arquitetura de prompt unificada. Deploy em Docker. Modelos de múltiplos provedores. Localização completa para chinês.

Metade disso é infraestrutura, não recurso, e esse é o ponto. Memória que sobrevive a um reinício não é um extra num sistema de tutoria; é a premissa inteira. A versão 1.7.0, em 28 de outubro, foi em boa parte um redesenho da interface, o que costuma sinalizar que o motor parou de mudar de forma todo mês.

O que é uma Mastery Path de fato, e por que é difícil

Os nomes de modo que mais importam são Quiz e Mastery Path, porque são os que exigem um modelo do aluno em vez de um modelo da matéria.

Fazer quiz é fácil de falsificar: gere dez questões, corrija, mostre uma nota. Uma trilha de domínio é mais difícil. Você precisa saber qual conceito cada resposta errada implica, de qual pré-requisito esse conceito depende, e se o aluno errou por causa do pré-requisito ou da formulação da questão. Depois você precisa sequenciar as próximas quatro coisas de modo que cada uma fique só um pouco além do que o aluno consegue fazer agora.

É uma peça de engenharia genuinamente difícil, e é a parte em que um LLM sozinho não basta — você precisa de um grafo de conceitos, e é por isso que boa parte deste produto parece uma base de conhecimento com uma interface de chat acoplada, e não o contrário. O chat é a porta de entrada. O grafo é a casa.

O que a primeira semana custa de verdade

A configuração é a parte chata e merece um relato honesto.

A instalação leva minutos. Depois você precisa dar algo para ele ensinar. Enviar um capítulo de livro funciona; enviar uma pasta de PDFs funciona melhor; enviar um semestre das suas próprias anotações funciona melhor ainda, e também é a coisa mais tediosa que você vai fazer na semana. O upload incremental ajuda aqui — um documento pode ser adicionado no meio do curso em vez de reconstruir a base — mas a primeira passada ainda é manual.

Depois você configura um modelo. A camada multi-provedor significa que a escolha é sua, e para material de estudo o argumento favorece o melhor modelo que você pode pagar, não o mais barato, porque o modo de falha de um modelo fraco em modo tutor é errar com confiança, que é exatamente o que um aluno não consegue detectar.

O modo que costuma se pagar primeiro é o Quiz, não o Chat. Ser perguntado sobre um material que você acabou de ler, e errar, produz uma noção da lacuna mais nítida do que qualquer explicação. Isso não é propriedade deste produto — é como funciona a prática de recuperação — mas o produto é construído para tornar esse ciclo conveniente, e conveniência é o motivo de o ciclo acontecer.

A Mastery Path é o modo que você não consegue avaliar rápido. Precisa de mais histórico do que uma semana oferece, o que é ou uma limitação justa ou um defeito de design, dependendo da sua paciência.

Onde ele vai te decepcionar

Ele precisa dos seus materiais. A proposta de valor inteira depende de a camada de RAG ter algo para recuperar. Aponte para uma base vazia e você recebe um assistente geral competente, que é justamente o que você estava tentando evitar.

A dispersão de modos também é real. Sete modos mais três áreas é muita superfície para uma ferramenta de estudo, e o modo de falha honesto de um sistema assim é você passar uma semana configurando e duas noites aprendendo de fato.

E «ao longo da vida» faz um pouco de marketing. O sistema lembra o que acontece dentro dele. Não sabe o que você aprendeu num livro que leu no papel, numa aula ou numa conversa com um colega. O registro é tão completo quanto o hábito de alimentá-lo.

Para quem isso serve de fato

Se você está estudando para uma prova única em três semanas, um bom livro e uma pilha de provas antigas vão ganhar disto. Se você está aprendendo algo ao longo de meses — um idioma, uma matéria clínica, um pedaço de matemática que você quase entende —, a persistência é o recurso. O valor do sistema se acumula de um jeito que o de uma janela de chat não se acumula.

A comparação que vale fazer não é com outros tutores de IA. É com a pasta de anotações que você mantém há anos e nunca reabre. O DeepTutor é uma tentativa de construir a versão dessa pasta que te faz perguntas.

Se funciona é uma questão empírica que você só responde por si, num período longo o bastante para ser inconveniente. O que é, mais ou menos, a definição de educação.

Artigos relacionados