DeepTutor：Agent架构个性化学习助手教程

GitHub：GitHub_Trending/dee/DeepTutor · ⭐ 11.8K+ · Python · MIT协议

项目简介

DeepTutor是一款Agent-Native架构的个性化学习助手，与传统单轮问答AI不同，它采用多智能体协作系统：一个规划Agent拆解学习目标、一个检索Agent搜索知识库、一个讲解Agent生成通俗易懂的解释、一个评估Agent检验学习效果。四个Agent协作完成"教-学-测"闭环。

核心特色是持久化记忆——DeepTutor会记住你之前学过什么、哪里卡住了、偏好什么讲解方式，下次对话时自动调整教学策略，真正做到因材施教。

安装

# pip安装
pip install deeptutor

# 或源码安装
git clone https://github.com/GitHub_Trending/dee/DeepTutor.git
cd DeepTutor
pip install -e .

# 配置API Key
export OPENAI_API_KEY="sk-xxx"
# 或使用Ollama本地模型
export DEEPTUTOR_LLM_PROVIDER=ollama
export DEEPTUTOR_LLM_MODEL=qwen3:8b

四种学习模式

快速使用

from deeptutor import DeepTutor

# 初始化（首次使用会创建记忆库）
tutor = DeepTutor(
    memory_dir="./my_learning_memory",
    llm_model="gpt-4o-mini"
)

# 辅导模式：学习新知识
response = tutor.chat(
    "解释一下Transformer的自注意力机制",
    mode="tutor"
)
print(response)

# 测验模式：检验掌握
quiz = tutor.chat(
    "考我3道关于注意力机制的题目",
    mode="quiz"
)
# DeepTutor会出题，等待你回答后评分

# 上传论文分析
analysis = tutor.analyze_pdf("paper.pdf")
print(analysis.summary)      # 摘要
print(analysis.key_points)   # 关键贡献
print(analysis.questions)    # 值得深入的问题

多Agent协作架构

与 CrewAI多Agent协作 的通用框架不同，DeepTutor的四个Agent是专门为学习场景设计的，开箱即用，无需手动定义Agent角色和任务流程。

记忆系统

# 查看学习记忆
memory = tutor.get_memory()
print(f"已学知识点: {memory.topics}")
print(f"薄弱领域: {memory.weak_areas}")
print(f"学习偏好: {memory.preferences}")

# DeepTutor会根据记忆自动调整：
# - 如果你经常在数学相关话题卡住，讲解时会多举例
# - 如果偏好简洁回答，后续回答会更精简
# - 如果上次学了"注意力机制"，下次会主动关联到"多头注意力"

适用场景