58,437 星背后,是一套要自己部署的学习工作台
DeepTutor 开源的不是一位能直接对话的家教,而是一整套需要自己装、自己配模型的学习工作台。58,437 星容易让人以为点开就能上课,但仓库首页给的是五条安装路径和一个 setup wizard,不是账号密码。
2026-11-12 核对时,HKUDS/DeepTutor 有 58,437 星、7,103 fork,Apache-2.0 许可,主语言 Python,创建于 2025-12-28,仓库 pushed_at 为 2026-11-07。
README 把它定义为 agent-native learning workspace:把辅导、研究、创作和练习接进同一个运行时。官网是 deeptutor.info,仓库 homepage 字段则指向 arXiv 预印本 2604.26962,说明它同时按研究项目对外呈现。
默认分支最近一次提交是 11-06 的 release: v1.7.2,同一天发布的版本仍是最新一版。
下面这组字段全部来自仓库接口,先把身份摆清楚,再谈这套工作台交付了什么、没交付什么。
| 字段 | 核对值 |
|---|---|
| 星标 / fork | 58,437 / 7,103 |
| 未结条目 | 422(203 issue + 219 open PR) |
| 许可证 / 主语言 | Apache-2.0 / Python,默认分支 main |
| 创建 / 最近推送 | 2025-12-28 / 2026-11-07 |
| 订阅者 / 仓库体积 | 237 / 258,519 KB |
| tag / release | 90 / 90,v0.2.0 → v1.7.2 |
| 贡献者 | 290 人(接口分页合计) |
| 主页 / 官网 | arXiv 2604.26962 / deeptutor.info |
422 是 open_issues_count,含 PR。用搜索接口拆开是 203 个 open issue、219 个 open PR,写成「422 个待修 bug」就错了。11-12 当天仍有新 issue 开出来,仓库不是归档状态。
四层可替换,但每一层都要外部模型驱动
它把「辅导」拆成能力、知识库、记忆和工作区四层,每层都能换,没有一层自带模型。所谓个性化,落点是配置、检索与历史记录,不是仓库里训练好的某个 tutoring model。
能力是一组可单次调用的命令,共 11 种。知识库可以挂四种检索后端,记忆分三层,界面按作用域划成五个区。这些数字都写在同一份 README 与根目录 SKILL.md 里,不靠宣传语。
最该留意的是边界:聊天工具里 imagegen、videogen 要先配好对应生成模型才会出现,知识库要配 embedding,网页检索要配搜索服务。连 deeptutor init 的向导顺序都是端口、LLM、embedding、搜索、复查。
把可替换的部件摆成表,比读功能清单更清楚:右列是「你能换什么」,不是「开箱就有什么」。
| 层 | 可替换项 | 数量 |
|---|---|---|
| 能力 | chat、ask_questions、deep_solve、deep_question、deep_research、visualize、math_animator、video_lesson、mastery_path、immersive_reading、audio_overview | 11 |
| 知识库检索 | LlamaIndex、PageIndex、GraphRAG、LightRAG | 4 |
| 记忆 | L1 traces、L2 facts、L3 synthesis | 3 |
| 工作区 | Home、Learning、Resources(按工作区)/Partners、Personalization(按账号) | 5 |
工具也分两档:--tool 能手动开的只有 8 个,其余按上下文自动挂载,手动开关绕不过这套规则。
| 分类 | 工具名 |
|---|---|
| 手动切换 | brainstorm、web_search、paper_search、zotero_search、reason、geogebra_analysis、imagegen、videogen |
| 上下文挂载 | rag、exec、memory、notebook、knowledge_frontier、read_source 等 |
这套设计的代价很直白:把模型、密钥、检索、生成全部外置之后,仓库里剩下的是编排层。换模型容易,判断换得好不好却只能自己来。
90 个版本、45 个根目录条目,维护强度是真金白银
仓库规模和迭代速度都能从文件级核到,两边指向同一件事:这是一个高强度维护中的产品级项目,不是一个轻量脚本。代价也写在同一批数字里。
根目录 45 项,31 个文件、14 个目录;核心包 deeptutor/ 下 31 项,其中 27 个是子目录;packages/ 只有 chat-engine 一项。语言统计共 11 种,Python 21,407,953 字节、TypeScript 11,793,841 字节,前端不是附属品。
文档比不少项目的整个源码还重:README.md 91,942 字节,根目录 SKILL.md 12,802 字节,README 另有 12 种语言版本。想完整读懂它,先得读完一份近 9 万字节的说明。
版本侧同样是密集节奏:90 个 tag、90 个 release,从 v0.2.0 走到 v1.7.2。最近十条 release 的时间戳集中在 9-20 到 11-06 之间,间隔按天计。
| 版本 | 发布时间 | 桌面资产数 |
|---|---|---|
| v1.7.2 | 2026-11-06 | 8 |
| v1.7.1 | 2026-10-31 | 3 |
| v1.7.0 | 2026-10-28 | 0 |
| v1.6.15 | 2026-10-18 | 0 |
| v1.6.14 | 2026-10-08 | 0 |
| v1.6.13 | 2026-10-04 | 0 |
| v1.6.12 | 2026-09-27 | 0 |
| v1.6.11 | 2026-09-24 | 0 |
| v1.6.10 | 2026-09-22 | 0 |
| v1.6.9 | 2026-09-20 | 0 |
v1.7.2 一次挂出 8 个桌面资产:Apple Silicon、Intel Mac、Windows 安装包、Windows 便携版各两份命名,单文件 445,311,197 到 524,198,378 字节。README 另注明 Windows 预览包未签名,会触发 SmartScreen 警告。
贡献者接口分页合计 290 人,但提交量高度集中:pancacake 2,054 次,第二名 116 次,第三名是 github-actions[bot] 的 108 次。README 落款说项目由 HKUDS 组的 Bingxi Zhao 领导,并明确「目前没有任何形式的付费在线产品」。
| 项目 | 核对值 |
|---|---|
| 根目录 | 45 项 = 31 文件 + 14 目录 |
| deeptutor/ 目录 | 31 项,其中 27 个子目录 |
| packages/ 目录 | 1 项:chat-engine |
| 代码语言 | 11 种;Python 21,407,953 / TypeScript 11,793,841 字节 |
| 文档 | README.md 91,942 字节;SKILL.md 12,802 字节;12 种语言 README |
| 贡献者 | 290 人;pancacake 2,054 次 / 第二名 116 次 |
数据核对:以下字段均直接读取,未做二次推算。
- 身份:58,437 星 / 7,103 fork,Apache-2.0,Python,创建 2025-12-28。
- 版本:v1.7.2 发布于 2026-11-06,8 个桌面资产;90 tag / 90 releases。
- 目录:根目录 45 项(31 文件 / 14 目录);deeptutor/ 27 个子目录。
- 规模:README.md 91,942 字节、SKILL.md 12,802 字节;11 种语言。
- 口径:422 未结 = 203 issue + 219 open PR;贡献者 290 人。
- 边界:未安装、未运行、未实测;arXiv 预印本内容未核对,不作断言。
核对时间 2026-11-12。
五条安装路径,装到的不是同一套能力
最实用的一条结论是:包名差一个方括号,拿到的东西就完全不同。README 给了五条路径,共用一份 DEEPTUTOR_HOME 配置目录,但 bare 安装只给 Chat 和 Ask Questions。
| 路径 | 前置条件 | 得到什么 |
|---|---|---|
| 桌面版 | 直接下载 DMG / EXE | 内置 Python、Node.js 与完整 Web 应用 |
| Docker | 端口 3782 + 命名卷 | 完整 Web 应用,最快的全功能试用 |
| PyPI full | Python 3.11–3.14、Node.js 20.9+ | Web 应用 + CLI |
| 源码(dev 分支) | Python 3.11–3.14、Node.js 22 LTS | 当前开发版与全部模块 |
| CLI core | Python 3.11–3.14,无需 Node | Chat、Ask Questions、CLI、SDK |
装完还没结束。向导会依次问端口、LLM、embedding、搜索和复查,之后仍要在 Settings → Providers 里配好 provider 和模型,再用 deeptutor doctor 验一次。
README 明说没有任何付费在线产品,等于密钥与调用成本都由部署者承担。数据留在自己机器上,账单也是。
1.7.0 起做了模块化拆分,其余能力按模块补装。README 举例的 11 类模块是:
- solve、research、questions、knowledge、parsing、reading
- mastery、books、memory、notebook、partners
模块与核心包版本必须一致,卸载时还要检查依赖阻塞,不能只删目录了事。
升级路径同样不轻。按 README 的迁移说明,从 1.6.15 及更早版本过来要按顺序做完这几步:
- 停掉运行中的 DeepTutor,备份 runtime home。
- 卸载旧的
deeptutor-cli兼容包,保持 DEEPTUTOR_HOME 不变。 - 安装新包族后跑
pip check与deeptutor module list核对模块状态。
换句话说,它给的是一套可组装的骨架,不是一条 pip install 就能上课的捷径。选路径时先确认自己要的是 CLI 还是完整 Web 应用,比事后补模块省事。
能量化的是检索,不是「学会了没有」
把 58,437 星当成教学效果的证据会读错对象:仓库提供的评测命令测的是知识库检索,不是学习成效。它叫 Tutoring,但仓库里没有一条可核对的「学得更好」的数字。
我在 README 全文检索 accuracy、learning gain、effectiveness、benchmark 四类词,零命中。仓库自带的评测命令是 deeptutor kb eval。
它输出的是一组检索指标,不是学习成效:
- Recall@k、Precision@k、nDCG@k
- MRR、MAP、Hit@k
SKILL.md 那句「Scores retrieval quality against a QA set」说得很直白:被打分的只是 QA 集上的检索质量。
这不算虚假宣传,README 从没承诺提分;但「Lifelong Personalized Tutoring」这个命名会替读者补上期待。把能测的和没测的分开摆,边界就清楚了。
| 仓库给出 | 仓库未给出 |
|---|---|
| 知识库检索的 Recall@k / nDCG@k / MRR | 学习前后测、成绩变化 |
| 11 种能力、4 种检索后端、3 层记忆 | 能力是否带来掌握度提升的对照数据 |
| 90 个版本、290 位贡献者 | 任一版本的教学效果评估 |
| arXiv 预印本编号 2604.26962 | 仓库内的可复现实验与结果表 |
第二个质疑是维护结构。290 位贡献者里第一名 2,054 次提交、第二名 116 次;422 个未结条目中有 219 个是 open PR。11-12 当天新开的 issue #2638 报告 learner 账号在 mastery path 会话页被一串 403 卡住,报告者还注明在 v1.7.2 上仍可复现。
第三个质疑是自部署成本。90 个版本配合 1.7.0 的破坏式模块化,意味着每次升级都要走一遍迁移清单;桌面包单文件最小 445,311,197 字节,Windows 预览版未签名。对个人使用者,跟随版本比安装本身更累。
还有一个容易忽略的口径:仓库把模型、embedding、搜索、语音与图像生成全部外置,同时声明没有付费在线产品。这既意味着数据留在自己机器上,也意味着没人替你承担账单、可用性和效果验证。
所以我的判断是:把它当成一套可编排的学习工作台骨架,而不是已被验证的家教。要判断它有没有让人学得更好,得自己设计前后测并留下数据;仓库不会替你给出这个数字,星标也不会。