DeepTutor

Αυτόματη μηχανική μετάφραση αυτής της αγγλικής σελίδας, που δεν έχει ακόμη ελεγχθεί από φυσικό ομιλητή.

Το DeepTutor είναι η υλοποίηση ανοιχτού κώδικα του πλαισίου διδασκαλίας που αξιολογείται στη μελέτη DeepTutor, και έχει ξεπεράσει κατά πολύ το εύρος εκείνης της εργασίας, μετατρεπόμενο σε έναν γενικό χώρο μάθησης με πράκτορες. Η διδασκαλία, η επίλυση προβλημάτων, η παραγωγή κουίζ, η εξάσκηση δεξιοτεχνίας, η έρευνα και η οπτικοποίηση μοιράζονται ένα περιβάλλον εκτέλεσης δυνατοτήτων και ένα πλαίσιο συνεδρίας, ώστε το προφίλ μαθητή που χτίζεται κατά την επίλυση προβλημάτων να ρυθμίζει τις εξηγήσεις και τα στοιχεία εξάσκησης που ακολουθούν.

Τι μπορείτε να κάνετε με αυτό

Δέκα λειτουργίες — Chat, Ask Questions, Quiz, Research, Visualize, Solve, Course Study, Mastery Path, Immersive Reading και Immersive Watching — τρέχουν στο ίδιο περιβάλλον εκτέλεσης, αντλώντας από επαναχρησιμοποιήσιμες βάσεις γνώσης, βιβλία, προσχέδια, σημειωματάρια, τράπεζες ερωτήσεων και προσωπικότητες. Η ανάκτηση είναι σκόπιμα πολλαπλών μηχανών: βιβλιοθήκες RAG με εκδόσεις πάνω σε LlamaIndex, PageIndex, GraphRAG, LightRAG ή απομακρυσμένο διακομιστή LightRAG, συν μια αυτοφιλοξενούμενη βάση WeKnora, μια βιβλιοθήκη Tencent IMA ή MarginNote, ή ένα συνδεδεμένο θησαυροφυλάκιο Obsidian. Η μνήμη είναι ελεγχόμενη και όχι αδιαφανής: τα ίχνη L1, οι επιφανειακές συνόψεις L2 και η σύνθεση L3 είναι ορατά και επεξεργάσιμα, με ένα Memory Graph να συνδέει κάθε σύνοψη με τα τεκμήρια πίσω από αυτήν. Ένα δυαδικό deeptutor δίνει REPL τερματικού και μεταδίδει NDJSON για κάθε πράκτορα που θέλει να το οδηγήσει ως εργαλείο, και μια κοινότητα EduHub διανέμει εγκαταστάσιμες δεξιότητες.

Σε ποιους απευθύνεται

Σε διδάσκοντες και ερευνητές τριτοβάθμιας εκπαίδευσης που θέλουν μια αναπτύξιμη εκδοχή του πλαισίου για το οποίο αναφέρει η εργασία, σε προγραμματιστές που χτίζουν πάνω σε ένα συνδεόμενο περιβάλλον εκτέλεσης, και σε αυτοκατευθυνόμενους μαθητές πρόθυμους να τρέξουν τη δική τους εγκατάσταση. Η τεκμηρίωση βρίσκεται στο deeptutor.info.

Σημειώσεις

Με άδεια Apache 2.0, στην έκδοση 1.6.9 από τον Σεπτέμβριο του 2026 με περίπου 40.000 αστέρια στο GitHub. Η δημοσιευμένη αξιολόγηση πίσω από αυτό — μέση βελτίωση 10,8% σε εξατομικευμένες μετρήσεις έναντι ισχυρών βάσεων και 29,4% ισχυρότερη γενική πρακτορική συλλογιστική σε πέντε μοντέλα ραχοκοκαλιάς, στο σημείο αναφοράς TutorBench — συνοψίζεται στη σελίδα του άρθρου, της οποίας οι περιορισμοί ισχύουν και εδώ. Όπως σε κάθε στοίβα ΤΝ ανοιχτού κώδικα, εσείς παρέχετε τα κλειδιά του παρόχου μοντέλων, και μια εγκατάσταση σε υπολογιστή ή διακομιστή απαιτεί Python 3.11 και Node.

Συνδεδεμένες έννοιες

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