DeepTutor

Automatski strojni prijevod ove engleske stranice, koji još nije pregledao izvorni govornik.

DeepTutor je implementacija okvira za poučavanje otvorenog koda koji je evaluiran u studiji DeepTutor i odrastao je znatno izvan dosega tog rada u opće agentno radno okruženje za učenje. Poučavanje, rješavanje zadataka, generiranje kvizova, uvježbavanje do ovladanosti, istraživanje i vizualizacija dijele jedno izvršno okruženje sposobnosti i jedan kontekst sesije, pa profil učenika izgrađen tijekom rješavanja zadataka uvjetuje objašnjenja i zadatke za uvježbavanje koji slijede.

Što možete raditi s tim

Deset načina rada — Razgovor, Postavljanje pitanja, Kviz, Istraživanje, Vizualizacija, Rješavanje, Učenje kolegija, Put do ovladanosti, Imersivno čitanje i Imersivno gledanje — rade na istom izvršnom okruženju i crpe iz baza znanja, knjiga, nacrta, bilježnica, banki pitanja i persona koje se mogu ponovno rabiti. Dohvaćanje je namjerno višestruko: verzionirane RAG knjižnice iznad LlamaIndexa, PageIndexa, GraphRAG-a, LightRAG-a ili udaljenog LightRAG poslužitelja, plus samostalno hostana baza WeKnora, knjižnica Tencent IMA ili MarginNote ili povezani Obsidian trezor. Pamćenje se može pregledati, a nije neprozirno: tragovi L1, površinski sažeci L2 i sinteza L3 vidljivi su i mogu se uređivati, uz graf pamćenja koji svaki sažetak povezuje s dokazima iza njega. Binarni program deeptutor daje terminalski REPL i struji NDJSON za svakog agenta koji ga želi pokretati kao alat, a zajednica EduHub dijeli vještine koje se mogu instalirati.

Za koga je

Nastavnici i istraživači u visokom obrazovanju koji žele implementaciju okvira o kojem rad izvještava, razvijatelji koji grade na izmjenjivom izvršnom okruženju i samostalni učenici spremni pokrenuti vlastitu instancu. Dokumentacija je na deeptutor.info.

Napomene

Licencirano Apache 2.0, u verziji 1.6.9 od rujna 2026. s otprilike 40.000 zvjezdica na GitHubu. Objavljena evaluacija iza njega — prosječno poboljšanje od 10,8 % na personaliziranim mjerama u odnosu na snažne osnovne modele i 29,4 % snažnije opće agentno zaključivanje na pet temeljnih modela, na mjerilu TutorBench — sažeta je na stranici članka, čija ograničenja vrijede i ovdje. Kao i kod svakog otvorenog skupa alata za umjetnu inteligenciju, ključeve davatelja modela osiguravate sami, a stolna ili poslužiteljska implementacija očekuje Python 3.11 i Node.

Povezani pojmovi

Agentska umjetna inteligencija, Intelligent Tutoring, Personalized Learning, RAG (Retrieval-Augmented Generation), Open Source, Mastery Learning, Knowledge Tracing, Automated Question Generation