DeepTutor 想记住你哪里学错了

DeepTutor 有 56,715 颗星,一篇 arXiv 预印本,这周发 1.7.2 版,还有一个把全部论点都说出来的副标题:终身个性化辅导。
「终身」是那个有分量的词。产品里其他一切,都来自把这个词当真。
普通的辅导应用是一台配了好字体的答案机。你问,它解释,你走。下一次从零开始,这对厂商方便,对你没用,因为你真正需要的是有人注意到,你每次碰到某一类题都会犯同一个错。
DeepTutor 押的是:有价值的资产不是那段解释,而是哪些解释已经失败过的记录。
里面有什么
项目出自 HKUDS,自称是一个 agent-native 的学习工作区。实际上就是几个模式共用一个运行时:Chat、Quiz、Research、Visualize、Solve、Mastery Path 和 Reading。它们共享会话上下文,所以在 Chat 里问的问题,切到 Quiz 时还在;Quiz 里发现的弱点,可以喂给 Mastery Path。
围绕这些是三个区域——Home、Learning、Resources——把书、阅读、练习、任务板、日历和一个学习笔记本连起来。共享材料,共享进度,共享上下文。如果你用过那种还带间隔重复的笔记应用,形状上会觉得熟,实际用起来连得紧得多。
Research 模式通过一条 RAG 管道落在你自己的材料上,每个知识库可以指定不同的管道。这听起来像个配置细节,直到你见过一个通用助手自信地用一本你没在用的教材解释一个概念。能把检索指向你课程实际用的那个来源,就是一个像样的答案和一个有用的答案之间的区别。

安装
快的那条路:
pip install -U "deeptutor[full]"
这装的是完整的 web 应用和 CLI。光装 deeptutor 只有核心,如果你是在它上面做东西而不是用界面,这个就够。不想碰终端的话有 macOS 和 Windows 桌面安装包,服务器部署有 GHCR 上的预构建 Docker 镜像,文档在 deeptutor.info。设计论文是 arXiv:2604.26962,如果你想在装之前先看模式划分的理由。
配置是一层统一的服务层,支持多家 LLM 和 embedding,也就是说你可以指向托管模型或本地模型。对一个学习工具来说,这个选择比平时更要紧:你不懂什么的那些对话记录,是格外私人的数据。
版本历史告诉你缺的是什么
把 changelog 倒着读,你会得到一份坦率的清单:一个学习工具在配得上「终身」这个词之前需要什么。
会话持久化。增量文档上传。按知识库选 RAG 管道。题目生成重做。统一的提示词架构。Docker 部署。多供应商模型。完整中文本地化。
其中一半是基础设施,不是功能,而这正是重点。在辅导系统里,能活过重启的记忆不是一个加分项,它是整个前提。10 月 28 日的 1.7.0 版主要是界面重做,这通常说明引擎已经不再每个月变形了。
Mastery Path 到底是什么,为什么难
最要紧的两个模式名是 Quiz 和 Mastery Path,因为它们要的是对学生的建模,而不是对学科的建模。
出题很容易糊弄:生成十道题,判分,给个分数。掌握路径难得多。你要知道每道错题牵涉哪个概念,那个概念依赖哪个前置,以及学习者做错是因为前置没打牢,还是因为题目措辞。然后你要把后面四件事排序,让每一件只比他现在能做的稍高一点。
这是一块真的难的工程,也是单靠 LLM 不够的地方——你需要一张概念图,这就是为什么这个产品看起来更像一个知识库外挂了一个聊天界面,而不是反过来。聊天是前门,图是房子。
第一周到底要花多少
配置是无聊的那部分,值得一个诚实的交代。
安装几分钟。然后你得给它可以教的东西。上传一章教材可以;上传一个装 PDF 的文件夹更好;上传你自己一学期的笔记最好,也是这一周里最枯燥的事。增量上传在这里帮得上忙——文档可以在课程中途加,不用重建知识库——但第一遍仍然是手工的。
然后配模型。多供应商那一层意味着选择权在你,而对学习材料来说,道理更偏向你能负担的最好的模型,而不是最便宜的,因为弱模型在辅导模式下的失败方式是自信地讲错,而这恰恰是学生自己发现不了的那种错。
最先赚回本的模式通常是 Quiz,不是 Chat。被问一个关于你刚读完的材料的问题,然后答错,这种落差的感受比任何解释都尖锐。这不是这个产品的特性——这是提取练习的机制——但产品把那个循环做方便了,而方便是循环能发生的原因。
Mastery Path 是你没法快速评估的模式。它需要比一周更长的历史,这到底算合理的限制还是设计缺陷,取决于你的耐心。
它会在哪里让你失望
它需要你的材料。整个价值主张都依赖 RAG 层有东西可检索。指向一个空知识库,你得到的是一个称职的通用助手,而这正是你本来想逃开的东西。
模式确实有点多。七个模式加三个区域,对一个学习工具来说面积太大了,而这类系统最诚实的失败方式是:你花一周配置它,两个晚上真正学习。
还有,「终身」承担了一部分营销工作。系统记得在它里面发生的事。它不知道你在纸质书上、在课堂上、在跟同事聊天时学到了什么。这份记录只跟喂给它的习惯一样完整。
它到底是给谁的
如果你是为三周后的考试复习,一本好教材加一沓真题会赢过它。如果你是在几个月里学一样东西——一门语言、一个临床科目、一块你老是差一点就懂的数学——持久性才是那个功能。系统的价值会累积,聊天窗口不会。
值得做的对比不是跟别的 AI 辅导工具。是跟你存了很多年、从来不再打开的那个笔记文件夹。DeepTutor 是想做出那个文件夹的一个版本,它会向你提问。
它有没有用是个经验问题,你只能对自己回答,而且要花一段长到不方便的时间。这多多少少就是教育的定义。
相关文章
十份降级报告,没有一份改了订单数字
十份降级报告都在讲不确定性,没有一份改动订单。真正的变量是 158 美元的恐慌低点和 5.1% 的十年期收益率。
三十三年来第一次,黄仁勋不在电话会上
数字几乎无悬念,真正要看的是克雷斯如何在首次独自主持的电话会上回答指引、Rubin 与毛利率三个问题。
一份社区维护的点击表,关掉了国产 Android 系统里的广告
它不动系统,不解锁,不刷机,只把厂商本来就留出来的开关一个个拨过去。代价是这份名单得一直有人续写。
GPT Image 2.6 守住 token 价格,账单却涨了
GPT Image 2.6 沿用了 2.5 的全部 token 费率,单张图却更贵,因为更多的活现在花在输出 token 上。上线十一天,定价结构说的比排行榜更多。