CopoHub Trending

HKUDS/DeepTutor

DeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.

Python · ★ 60,169 · Fork 7,285 · 在 GitHub 查看

在手机上浏览源码、订阅每日 AI 趋势日报与项目架构深度解读:获取 CopoHub 客户端(iOS & HarmonyOS)→

GitHub Trending 上榜记录

HKUDS/DeepTutor 已在 GitHub Trending 每日榜单上榜 18 天,最高排名第 1,首次上榜 2026-04-07,最近一次上榜 2026-11-01。

日期排名Star当日增长
2026-11-01#1053,240+1,034
2026-10-31#1052,755+2,282
2026-10-30#151,726+2,282
2026-10-29#149,931+2,371
2026-10-28#447,886+2,376
2026-10-27#845,776+1,587
2026-08-12#935,059+812
2026-08-11#934,652+829
2026-07-18#1327,539+531
2026-07-17#1127,311+656
2026-07-16#826,819+647
2026-07-15#826,208+128
2026-04-12#1117,030+837
2026-04-11#816,699+1,424
2026-04-10#315,900+1,426
2026-04-09#314,709+1,306
2026-04-08#812,721+168
2026-04-07#812,045+339

同期上榜的项目

HKUDS/DeepTutor 项目深度剖析与商业评估报告

HKUDS/DeepTutor 项目深度剖析与商业评估报告

1. 核心定位与商业落地价值

根本痛点:DeepTutor 直击教育科技领域长期存在的"系统性碎片化"问题——传统 AI 教育工具将问答、测验、知识库检索、文档创作、可视化拆分为互不相通的孤立产品,导致学习上下文断裂、个性化无从落地。该项目以"终身个性化辅导"为命题,通过统一的 Agent 运行时将所有学习模态(Chat、Quiz、Research、Solve、Mastery Path、Immersive Reading)收敛到单一引擎,实现学习状态的持续累积与跨场景迁移。

商业落地场景: 企业培训与知识管理:多引擎 RAG(LlamaIndex/GraphRAG/LightRAG/PageIndex)配合版本化索引,可直接服务于大型企业的内部知识库问答、合规培训考核、新员工入职引导,其"可审计记忆"(L1/L2/L3 三层溯源)对金融、医疗等强监管行业具备天然合规吸引力。 教育出版数字化:Book 引擎将静态教材编译为包含测验、闪卡、交互式 HTML、Manim 动画的"活书",为 K12 教辅出版商提供从内容到交互产品的增量升级路径。 个人知识管理(PKM)生态:深度集成 Obsidian、MarginNote 4、Tencent IMA 等既有生态,可在不迁移用户既有数据资产的前提下嵌入工作流,降低获客摩擦。

竞品差异化与护城河: 相较于 Khanmigo、Jill Watson 等封闭式产品,DeepTutor 是完全本地优先、模型无关的开源方案,支持从 OpenAI、Anthropic 到 Ollama、vLLM、LM Studio 的任意后端,规避了企业级数据出境与供应商锁定风险。 相较于 LangChain/LlamaIndex 等通用 Agent 框架,DeepTutor 提供的是开箱即用的完整产品(含 Next.js 前端、IM 渠道接入、CLI),而非需要大量工程组装的积木。 护城河在于其 "Partner + My Agents" 双层 Agent 互操作架构:既能将 Claude Code/Codex 等外部编码 Agent 作为子代理实时征询,又能将自身 Partner 以 IM 机器人形态部署,形成跨 Agent 生态的枢纽地位。

2. 核心架构设计与技术深度

模块拆解思想:项目采用清晰的分层架构——ChatOrchestrator 作为核心编排器统一驱动所有能力(Capability),底层通过 Tools + Capabilities 插件模型(v1.4.0-beta 起约 20 万行重构)实现关注点分离。每个 Capability 是独立可插拔的流水线,工具按"用户可切换"(websearch、reason)与"上下文自动挂载"(rag、exec、askuser)两类动态装配,实现按需加载、最小权限。

关键设计模式: 单一 Agent 循环(Single Agent Loop):所有模态共享同一推理循环,通过工具调用与上下文注入区分任务目标,而非为每个功能维护独立的状态机。这一设计显著降低了跨模态上下文传递的复杂度,使 Chat 中产生的笔记、知识库引用可直接复用于 Quiz 或 Book 生成。 Schema 驱动的渠道抽象:IM 渠道(Feishu、Telegram、Slack、Discord、WhatsApp、Matrix 等 15+)通过统一 schema 声明接入,新增渠道无需修改核心逻辑,仅需实现适配层。 文件系统即状态:配置(data/user/settings/.json)、记忆(trace/<surface>/<date>.jsonl)、知识库索引(version-N 目录)全部以明文文件落盘,而非依赖数据库。这一"反常规"选择换取了极致的可移植性与可审计性——用户可手动编辑、git 版本化、跨机器迁移,同时天然规避了数据库运维成本。

查看完整 AI 分析 →

在 README 中展示上榜徽章

GitHub Trending

[![GitHub Trending](https://github.fq6825.top/badge/HKUDS/DeepTutor.svg)](https://github.fq6825.top/repo/HKUDS/DeepTutor)