DeepTutor

Автоматичен машинен превод на тази английска страница, който още не е проверен от носител на езика.

DeepTutor е реализацията с отворен код на обучителната рамка, оценена в изследването DeepTutor, и е израснала далеч отвъд обхвата на онази статия в общо работно пространство за учене, родено в епохата на агентите. Обучението, решаването на задачи, генерирането на тестове, практиката до овладяване, изследването и визуализацията споделят една среда за изпълнение на възможности и един контекст на сесията, така че профилът на учащия, изграден при решаване на задачи, обуславя обясненията и задачите за упражнение, които следват.

Какво можете да правите с него

Десет режима — чат, задаване на въпроси, тест, изследване, визуализация, решаване, изучаване на курс, път до овладяване, потапящо четене и потапящо гледане — работят върху същата среда, черпейки от преизползваеми бази знания, книги, чернови, тетрадки, банки с въпроси и персони. Извличането съзнателно е с много машини: версионирани RAG библиотеки върху LlamaIndex, PageIndex, GraphRAG, LightRAG или отдалечен сървър LightRAG, плюс самостоятелно хоствана база WeKnora, библиотека Tencent IMA или MarginNote, или свързан трезор на Obsidian. Паметта е проверима, а не непрозрачна: следите L1, повърхностните резюмета L2 и синтезът L3 се виждат и редактират, с граф на паметта, който свързва всяко резюме с доказателството зад него. Двоичен файл deeptutor дава терминален REPL и извежда NDJSON поток за всеки агент, който иска да го управлява като инструмент, а общността EduHub разпространява инсталируеми умения.

За кого е предназначен

Преподаватели и изследователи във висшето образование, които искат разгръщаема версия на рамката, за която пише статията; разработчици, които строят върху сменяема среда за изпълнение; и самостоятелно учещи се, готови да пуснат собствена инстанция. Документацията е на deeptutor.info.

Бележки

Лицензиран под Apache 2.0, версия 1.6.9 към септември 2026 г., с около 40 000 звезди в GitHub. Публикуваната оценка зад него — средно 10,8% подобрение по персонализирани показатели спрямо силни базови линии и 29,4% по-силно общо агентно разсъждение при пет базови модела, върху бенчмарка TutorBench — е обобщена на страницата на статията, чиито ограничения важат и тук. Както при всеки AI стек с отворен код, вие осигурявате ключовете на доставчика на модели, а разгръщане на настолен компютър или сървър очаква Python 3.11 и Node.

Свързани понятия

Агентен AI, Intelligent Tutoring, Personalized Learning, RAG (Retrieval-Augmented Generation), Open Source, Mastery Learning, Knowledge Tracing, Automated Question Generation