DeepTutor:整合学习资料与笔记的AI智能助手

当学习读到教材第三章时,前面的概念已逐渐模糊,想借助AI解释需要反复粘贴材料、说明学习进度,提问后还要手动整理笔记;隔几天再回来,练习过的内容和未掌握的知识点往往散落在多个窗口中,难以连贯复习。
针对这些学习痛点,DeepTutor将所有学习相关内容整合到同一个学习工作区中。选定学习资料和适配的模型后,用户可以边阅读边随时提问,让系统围绕材料生成练习,也能先确认目录结构,再生成包含练习和交互内容的交互式书籍。讨论记录、笔记和复习进度都会被完整保留,再次打开时可直接接续之前的内容,无需从头开始全新的对话。
核心功能概览
DeepTutor的核心能力覆盖学习的全流程,具体包括:
- 材料交互:阅读文档、网页、视频或音频内容时,可直接针对不懂的部分提问,讨论内容与原始材料关联,引用能直接定位到对应原文位置。
- 内容组织:能将零散的学习资料整理成可直接使用的内容,既可以生成交互式书籍,也能围绕学习目标搭建路径,按知识点展开讨论和练习。
- 学习记录保留:所有做过的习题、错题集合和笔记都会随工作区保存,适合隔一段时间后继续学习,无需重复整理。
- 灵活的学习配置:用户可自主调整学习方式,切换模型、选择知识库,接入技能或其他工具,具体能力取决于已安装的模块和配置的服务。
例如准备一门考试时,可创建专属工作区,放入讲义和历年习题,围绕某一章节提问、生成练习,同时记录不懂的知识点;研究论文或补修专业课程时,也可采用类似流程。学习效果仍取决于材料质量、模型适配度和实际练习投入。
便捷的学习对话方式
对话是最常用的交互入口,同一段对话可用于解释概念、检索知识库内容,也能读取附件或调用工具做进一步分析。模型会自动判断需要调用的工具,执行结果会返回对话中,再继续生成回答。
遇到难以理解的内容时,可选中对应段落打开侧边讨论,无需为小问题打断整体学习节奏。已选的工作区和知识库设置可长期保留,临时引用仅用于当前对话,需要持续引用时可手动固定。
沉浸式阅读模式会将原始材料和讨论内容并排放置,支持PDF、EPUB、网页等多种格式,视频和音频内容可结合转录文本进行讨论,同时保留批注和学习进度。需要注意的是,视频没有字幕时,可依据的文本证据有限,播放器能播放不代表AI已完全理解视频内容。
此外,系统还支持带引用的研究报告生成、分步解题、可视化和视频课程等功能。图像生成、语音朗读或视频生成需要匹配对应的服务,安装界面后还需配置相关服务才能使用;选中文字朗读也需先配置语音服务,选中操作本身不会自动启动播报。
系统学习的组织方式
系统提供四类主要学习活动,适合不同的学习需求:
- 书籍:将已有资料整理成可编辑的交互式书籍,可从知识库、收藏夹、题库或聊天记录出发创建,先确认目录再生成章节,避免生成方向错误的内容。章节包含文字、测验、闪卡、代码、图片和交互组件,每页可针对当前内容提问,改写章节或调整结构时可查看差异,最近一次编辑还支持撤销。
- 掌握路径:将学习目标拆分为知识点,围绕当前知识点提供讲解和练习,系统会检查资料覆盖情况和学习状态,避免无依据的评估,用户也可修改路径后再应用,提供可追踪的学习安排和答题证据。
- 沉浸式阅读:围绕材料进行精读学习,保留讨论和进度。
- 练习:用于复习题目,可接续之前的练习内容。
长时间生成内容支持暂停和恢复,书籍可导出为Markdown格式,共享书籍时阅读进度、书签和个人作答会按读者分别保存,编辑权限由管理员分配。生成内容需核对公式、参考答案和复杂交互组件的准确性。
练习与笔记管理
练习功能支持从已有题库选题,也可导入自定义题目,支持XLSX、CSV、TSV和JSON格式,导入前会提供预览,确认后才写入,单次上限为500题和5MB,旧版XLS需先转换格式。
客观题由服务端对照标准答案判定,填空、简答或无法可靠识别的旧答案采用自评方式,无需额外调用模型。答错的题目会进入错题集合,答对后不会抹去历史记录,标记为掌握后才会暂停每日复习安排。
复习采用间隔重复规则,根据“忘记了”“有点难”等反馈安排下次复习时间,目前未训练个人专属遗忘曲线,也未实现特定算法,成功保存后才推进复习记录,重复提交不会重复计算。
学习笔记功能可组织页面、子页面和内容块,也能导入Word文档,讨论中的原始记录可收藏后作为证据插入笔记。笔记可导出为Markdown或Word格式,交互内容导出到Word后会转为静态形式,闪卡可导出给Anki,复习日程不会一并迁移。日常安排还包含任务看板和日历,日历可导出为ICS格式,接入常用日历软件。
知识库的选择与配置
知识库是让回答贴合用户材料的核心,DeepTutor提供多种检索引擎,每个知识库绑定其中一种,不会同时运行所有引擎。不同引擎适用于不同场景:
- 默认的路径结合向量检索与关键词检索,可选重排;
- 推理式定位材料并提供页级引用;
- 按实体与关系组织信息,适合图谱类内容。
已有的资料库可连接其他工具,如轻量级检索服务、笔记软件等,不同连接方式的读写和同步边界需按配置确认。资料来源可是上传文件、本地目录,也可跟踪代码仓库和文档站点,同步按内容变化更新,文档站抓取有深度和页数限制。重建索引会写入新版本,原有索引不会中途销毁。
解析器和检索引擎是不同功能,负责提取文档内容和查找信息,不同解析器的格式支持和本地依赖不同,图表识别也取决于配置。更换嵌入模型后,已有索引可能需要重建。
若要比较哪种检索更适合自己的教材,可准备问题和标准片段,用工具检查召回与排序,再比较结果,这些指标仅评估检索效果,不涉及最终回答或教学效果。
学习记忆的管理
DeepTutor将个人记忆分为三层,方便用户查看和管理:
- L1层保存工作区镜像和事件轨迹;
- L2层整理各类活动中的事实;
- L3层汇总跨活动的偏好与近期情况。
记忆以文件形式组织,可查看、整理和审计,记忆关系图展示三层的联系,用户可沿记忆回查事件证据,查看综合记忆的来源。需区分知识库和个人记忆:知识库主要存储教材与参考资料,个人记忆整理学习过程和偏好,文件可追溯但判断未必完全准确,重要信息仍需抽查,错误记录可按管理入口处理。
个性化学习与技能管理
个性化设置可在账号层复用,不同工作区的设置可共享,再由工作区和对话缩小可用范围。角色规定回答方式,技能则将可重复执行的工作写成标准化流程,如按步骤讲解概念、生成闪卡或反馈文章。
用户可连接其他工具或历史对话,作为搜索和引用的资料,导入记录与运行中的工具是不同用途,引用旧对话不代表原工具在线协作。技能库可将重复学习流程保存为可复用规则,导入需检查来源和安全,按任务授予所需权限。
长期学习伙伴的搭建
学习伙伴是账号层的长期配置,可设置角色、模型和工具策略,保留独立对话与关系记忆,能使用私有资料,也可绑定已有工作区资源,适合固定某门课程或学习方式。
多个伙伴可进入同一场讨论,设置各自的席位和共享记忆方式,共享伙伴时私人对话和关系记忆仍分别保存。伙伴还可通过消息通道接入,如聊天软件,消息会进入正常对话流程,无需额外维护问答系统。
系统的技术架构
系统界面由前端框架提供,后端使用Python和相关工具,多入口的请求会汇合到统一服务,再进入执行引擎,由编排器选择对应能力。普通对话走循环流程,部分能力保留分阶段处理。
一次提问的流程包括确定账号、工作区与资源,装配对话上下文,模型需要资料或工具时执行操作,结果返回后继续回答,事件会保存并可回放。工具负责单次动作,能力负责完成整轮任务,模块决定功能启用,界面入口不代表模块卸载。
本地数据由数据库和文件共同保存,无需单独搭建数据库服务器,备份需覆盖运行数据目录和工作区。本地保存不代表所有处理都在本机,使用云端模型或远程服务时内容会进入对应服务,需在本地运行时需核实各服务的部署方式。
开始使用的步骤
目前有桌面预览版,内置开发环境和完整界面,适合不想配置开发环境的用户,按设备选择对应包,升级前需备份数据。也可通过容器或包管理器安装,完整功能需按要求配置。
启动后先配置模型供应商和可用模型,知识库需对应解析与嵌入配置,语音、图像或视频服务按需补充。升级旧版需注意模块化迁移,各功能包版本需匹配。
新版本更新了阅读缩放、书籍局部编辑和对话连续性,值得尝试。个人使用默认是单用户模式,多人部署前需启用认证,分配权限,开放到公网不能直接用个人默认设置。
项目采用开源许可,模型调用和部分外部服务可能收费,代码许可不代表模型额度免费,上传资料和生成内容有各自权利边界。建议先拿一章教材测试,检查解析和对话流程,再逐步扩展功能。

