DeepTutor

Esta é uma tradução automática da página em inglês; ainda não foi revisada por uma pessoa falante nativa.

O DeepTutor é a implementação open-source do framework de tutoria avaliado em o estudo DeepTutor, e cresceu muito além do escopo daquele artigo, tornando-se um espaço de trabalho de aprendizagem nativo de agentes de uso geral. Tutoria, resolução de problemas, geração de quizzes, prática de domínio, pesquisa e visualização compartilham um único runtime de capacidades e um único contexto de sessão, de modo que o perfil do aprendiz construído enquanto ele resolve problemas condiciona as explicações e os itens de prática que vêm em seguida.

O que você pode fazer com ele

Dez modos — Chat, Ask Questions, Quiz, Research, Visualize, Solve, Course Study, Mastery Path, Immersive Reading e Immersive Watching — rodam sobre o mesmo runtime, recorrendo a bases de conhecimento reutilizáveis, livros, rascunhos, cadernos, bancos de questões e personas. A recuperação é deliberadamente multi-engine: bibliotecas RAG versionadas sobre LlamaIndex, PageIndex, GraphRAG, LightRAG ou um servidor LightRAG remoto, além de uma base WeKnora auto-hospedada, uma biblioteca Tencent IMA ou MarginNote, ou um cofre Obsidian vinculado. A memória é inspecionável em vez de opaca: traces L1, resumos superficiais L2 e síntese L3 ficam visíveis e editáveis, com um Memory Graph que liga cada resumo às evidências que o sustentam. Um binário deeptutor oferece um REPL de terminal e transmite NDJSON para qualquer agente que queira dirigi-lo como ferramenta, e uma comunidade EduHub distribui skills instaláveis.

Para quem é

Instrutores e pesquisadores do ensino superior que querem uma versão implantável do framework que o artigo descreve, desenvolvedores que constroem sobre um runtime plugável e autodidatas dispostos a rodar sua própria instância. A documentação fica em deeptutor.info.

Observações

Licenciado sob Apache 2.0, na versão 1.6.9 em setembro de 2026, com cerca de 40.000 estrelas no GitHub. A avaliação publicada por trás dele — 10,8% de melhoria média em métricas personalizadas sobre baselines fortes e 29,4% de raciocínio agentivo geral mais forte em cinco modelos de backbone, no benchmark TutorBench — está resumida em a página do artigo, cujas limitações valem aqui também. Como em qualquer pilha de IA open-source, você fornece as chaves dos provedores de modelo, e uma implantação em desktop ou servidor espera Python 3.11 e Node.

Conceitos conectados

IA agêntica, Tutoria inteligente, Aprendizagem personalizada, RAG (Geração Aumentada por Recuperação), Código aberto, Aprendizagem para o domínio, Rastreamento de conhecimento, Geração Automatizada de Questões