DeepTutor本地部署指南：打造你的个人AI学习助手

你的私人AI导师，不需要联网

DeepTutor是香港大学数据科学实验室开源的一个AI辅导系统。与ChatGPT不同，它会记住你学过的所有内容，追踪每个知识点的掌握程度，并在你即将遗忘时主动推送复习——像一个真正的私人教师。

本教程将带你从零开始在本地部署DeepTutor，配置你自己的AI学习环境。

环境准备

DeepTutor需要Python 3.10+和Node.js 18+。先确认你的环境：

python3 --version  # 需要 >= 3.10
node --version     # 需要 >= 18
docker --version   # 可选，推荐用Docker部署

如果你还没有安装，推荐用Docker部署（省去90%的环境配置麻烦）。

第一步：克隆并配置

# 克隆仓库
git clone https://github.com/HKUDS/DeepTutor.git
cd DeepTutor

# 复制环境变量模板
cp .env.example .env

编辑 `.env` 文件，配置你的LLM API（DeepTutor需要模型来生成辅导内容）：

# 使用OpenAI兼容API（推荐DeepSeek，性价比最高）
LLM_API_BASE=https://api.deepseek.com/v1
LLM_API_KEY=你的DeepSeek_API_Key
LLM_MODEL=deepseek-chat

# 数据库（本地存储学生数据和知识图谱）
DATABASE_URL=sqlite:///deeptutor.db

# Web服务端口
WEB_PORT=8080

如果你有本地部署的开源模型（如通过Ollama），也可以用 `http://localhost:11434/v1` 作为API地址。

第二步：使用Docker部署

# 构建并启动
docker compose up -d

# 检查服务状态
docker compose logs -f

看到 `DeepTutor server is running on port 8080` 就说明启动成功了。访问 `http://localhost:8080` 进入Web界面。

如果不想用Docker，也可以手动安装：

# 安装Python依赖
pip install -r requirements/base.txt

# 安装前端依赖并构建
cd web && npm install && npm run build && cd ..

# 启动服务
python -m deeptutor.cli serve --port 8080

第三步：创建你的学习档案

打开 `http://localhost:8080`，你会看到DeepTutor的Web界面。首次访问需要创建一个学习档案：

1. 输入你的昵称和学习目标（如”我想系统学习机器学习”）

2. DeepTutor会进行一次初始诊断测试——大约10道题，覆盖你目标领域的基础知识

3. 完成后，系统生成了你的第一张个人知识图谱

这张图谱是DeepTutor最核心的功能：每个知识点用颜色标记掌握程度（绿色=已掌握，黄色=学习中，红色=薄弱），一目了然。

第四步：开始学习

在知识图谱中点击任意知识点，DeepTutor会生成针对你当前水平的辅导内容：

– 讲解模式：根据你的学习风格（视觉/文本/推导）自适应输出格式。如果你偏好图表，它会生成ASCII图表；如果你偏好推导，它会逐步展开公式

– 练习模式：自动出题测试，难度动态调整。做对一题就上难度，做错就降低并给出详细解析

– 错题溯源：这是最酷的功能——你做错了一道微积分题，DeepTutor不是简单地告诉你正确答案，而是追溯到你可能缺失的前置知识（比如链式法则不熟练），然后从根因知识重新巩固

第五步：善用CLI模式

除了Web界面，DeepTutor还有一个强大的命令行模式：

# 启动交互式学习会话
python -m deeptutor.cli chat

# 查看知识图谱摘要
python -m deeptutor.cli stats

# 导出学习报告
python -m deeptutor.cli export --format pdf --output report.pdf

CLI模式特别适合在编程学习场景使用——你可以在终端里一边写代码一边接受AI辅导，无需切换窗口。

定时复习提醒

DeepTutor内置了艾宾浩斯遗忘曲线引擎。你可以配置每日复习提醒：

# 每天早上9点自动生成复习任务
python -m deeptutor.cli schedule --time "09:00" --action review

系统会在你即将遗忘某个知识点的临界点推送复习，效率远超”自己想起来才复习”。

进阶：接入自定义教材

DeepTutor支持导入你自己的学习材料：

from deeptutor import KnowledgeGraph

kg = KnowledgeGraph.load("deeptutor.db")

# 导入一本教材的目录结构作为知识图谱骨架
with open("machine_learning_textbook.json") as f:
    kg.import_from_json(f.read())

# 为每个知识点关联练习题
kg.add_exercises("linear_regression", "./exercises/linear_regression/")

kg.save()

这样一来，你就可以把DeepTutor变成一个针对特定教材的AI辅导系统——对自学某种技术或备考某种认证考试特别有用。

DeepTutor最打动人的地方在于：它不是一个”用完即忘”的AI聊天窗口，而是一个真正记住你的学习历程的数字导师。当你三个月后回头看去，那张从大片红色逐步变绿的知识图谱，就是最好的学习激励。

— END —
LC 智趣厅 · 科技与生活的交点
ihygg.cn