HKUDS/DeepTutor

解决的问题

DeepTutor提供了一个终身个性化辅导系统，将静态学习材料转变为交互式、智能化的教育体验。它通过结合知识检索、个性化记忆和引导式教学来满足自适应学习的需求，帮助用户掌握复杂学科。

工作原理

DeepTutor使用一个智能引擎，整合了多个核心组件：

• 知识整合：它通过LightRAG、GraphRAG和PageIndex等多种引擎利用RAG（检索增强生成）来摄取文档、GitHub仓库和网络资源。
• 个性化记忆：三层记忆系统（L1/L2/L3）会长期跟踪学习者的进度和偏好。
• 引导式学习：它创建“精通路径”和“书籍”，根据学习者的准备情况和进度来控制工具和内容的访问。
• 工具生态系统：系统可以在隔离的运行时中执行代码，进行深度研究，并使用插件驱动的可视化目录来解释概念。
• 智能接口：它支持“伙伴”（拥有自己的库和技能的专业智能体角色）以及用于智能体原生交互的CLI。

适用人群

它面向寻求个性化、AI驱动教育路径的学习者，以及希望使用自己的知识库构建结构化、交互式辅导环境的教育工作者或开发者。

亮点

• 多引擎RAG：支持LightRAG、GraphRAG和PageIndex，实现高保真文档检索和推理。
• 沉浸式阅读：提供文档并排视图，并带有逐页引用。
• 智能伙伴：允许用户创建和咨询具有私人记忆和独特技能集的专业AI角色。
• 动态内容生成：自动从源材料编译结构化的“书籍”和测验，以跟踪掌握程度。
• 可扩展工具：包括笔记本控制台、隔离代码执行以及与MCP（模型上下文协议）服务器的集成。