DeepTutor: 它是什么，解决了什么问题以及为什么它正受到关注

它解决了什么问题

DeepTutor 是一个原生于智能体（agent-native）的学习工作区，旨在提供个性化的辅导。它通过将辅导、问题解决、研究、测验生成和掌握练习集成到一个单一的、可扩展的系统中，解决了学习工具碎片化的问题，其中上下文（如记忆和知识库）在所有模式之间共享。

它是如何工作的

DeepTutor 使用统一的智能体循环（agent loop）来驱动多种模式（Chat、Quiz、Research、Visualize、Solve 和 Mastery Path）。它利用了一个多引擎知识系统，支持各种 RAG 实现（LlamaIndex、GraphRAG、LightRAG 等），以及一个三层记忆系统（L1 traces、L2 summaries 和 L3 synthesis）来为学习者维护一个持久的、可编辑的且基于证据的个性化画像。

它是为谁设计的

它专为想要获得个性化、智能化辅导体验的学习者，以及想要使用工具、MCP servers 和社区贡献的技能来构建可扩展 AI 辅导系统的开发者而设计。

亮点

• Unified Runtime：单一的智能体循环处理所有学习模式，确保上下文随学习者移动。
• Connected Context：在所有工作流中共享对知识库、书籍、笔记本和记忆的访问权限。
• Subagents and Partners：能够咨询实时外部智能体（如 Claude Code 或 Codex）或持久的 IM 伴侣。
• Multi-Engine RAG：支持多种检索引擎，包括 GraphRAG、LightRAG 和链接的 Obsidian vaults。
• Inspectable Memory：具有 Memory Graph 的三层记忆架构，可将主张追溯到证据。
• Extensible Ecosystem：支持 MCP servers、自定义工具以及通过 EduHub 安装的社区技能。