DeepTutor 是港大数据智能实验室（HKUDS）开源的「智能体原生」个性化辅导系统。它把聊天、解题、出题、研究、可视化等学习能力建立在一套统一的智能体引擎上，配以可版本化的知识库（RAG）、三层记忆、可持久自治的 TutorBot 和一个智能体原生 CLI，目标是提供可深度个性化、可审计、可自托管的 AI 辅导。许可为 Apache-2.0，后端 Python（3.11+）、前端 Next.js 16，约 24,244 stars，有 arXiv 论文与多语言文档。
来源：README.md（标题、Key Features、徽章）；GitHub 仓库元数据（stars=24244、license=Apache-2.0、language=Python） 查看 GitHub 仓库 →AI 辅导是高价值场景，但多数产品是封闭、单一对话框；DeepTutor 走「智能体原生 + 开源 + 可自托管」路线，把学习的多种能力（解题/出题/研究/可视化/共写）统一在一个会话与知识库上，并加入三层可审计记忆、把材料编译成交互式「活书」、以及可常驻的个性化 TutorBot，覆盖面与可控性都强。来自知名实验室、迭代极快、文档多语言，因而获得高关注。截至数据采集约 24,244 stars。
来源：README.md（Key Features、Releases 频繁迭代、多语言徽章）；GitHub 仓库元数据（stars=24244）Chat、Solve、Quiz、Research、Visualize 共享同一会话、知识库与引用历史，可在对话中途升级而不丢上下文；Co-Writer 提供分屏 Markdown 共写、按选区重写/扩写/缩写并可用 KB/网络接地。
来源：README.md（Key Features → Work surfaces）基于 LlamaIndex 的版本化 RAG 知识库（索引可追踪/对比/回滚）；三层记忆（L1 轨迹、L2 带引用事实、L3 跨界面综合）配可检视工作台与记忆图，便于审计来源。
来源：README.md（Key Features → Knowledge Bases、Three-layer memory）可常驻、自治的个性化 TutorBot（各有工作区/人设/技能/多渠道，基于 nanobot）；Book Engine 把材料编译成含 13 种区块的交互式「活书」，页面按 KB 指纹检测漂移。
来源：README.md（Key Features → Personal TutorBots、Book Engine）每个能力/知识库/会话/TutorBot 都可一条命令调用，对人富输出、对智能体输出结构化 JSON，把 SKILL.md 交给任意工具型 LLM 即可自主驱动；工具可组合并支持 MCP。
来源：README.md（Key Features → Agent-native CLI、Composable tools）DeepTutor 是 Python 后端 + Next.js 16 前端的应用，所有聊天能力（Chat/Solve/Quiz/Research/Visualize）重建在单一智能体引擎上、共享会话、知识库与引用历史。知识库是端到端基于 LlamaIndex 的可版本化 RAG 集合（每次索引可追踪、对比、回滚）；记忆分三层：仅追加的 L1 轨迹、按界面整理且带引用的 L2 事实、跨界面综合的 L3，并提供可检视的记忆工作台与记忆图来审计「它为什么知道这些」。工具可组合（RAG、网搜、代码执行、推理、论文检索、GeoGebra 分析等，并可插入 MCP server）。TutorBot 是常驻自治辅导，各有自己的工作区、人设（soul）、技能与渠道（Telegram/Discord/Slack/Matrix/Zulip 等），基于 HKUDS 的 nanobot。还有 Book Engine 多智能体管线把材料编译成含 13 种区块（测验、闪卡、时间线、概念图、内嵌 GeoGebra、动画等）的交互式「活书」。可选鉴权（默认关闭）支持多用户部署（bcrypt+JWT、管理后台、可选 PocketBase/OAuth）。
来源：README.md（Key Features 的 Work surfaces / Your library / Extensibility & control、Multi-User、Releases v1.4.0）中心为项目本体，内环 = 核心功能模块，外环 = 关键技术依赖；按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成
LlamaIndex（RAG）nanobot（TutorBot 基础）MCP server（可插拔工具）多家 LLM/嵌入提供商（OpenAI/Gemini/NVIDIA NI…适合个人学习者、教育者和教育产品团队：把自己的资料建成知识库后做接地问答、解题、出题、研究与可视化；用 Co-Writer 辅助写作并存进笔记本；把材料编译成交互式「活书」用于学习/教学；部署常驻的个性化 TutorBot 在 Telegram/Discord 等渠道随时辅导；或做多用户共享部署（每人独立工作区）。开源可自托管、记忆可审计的特性也适合在意数据掌控与可解释性的教育场景。
来源：README.md（Key Features、Multi-User、首段定位）最新为 v1.4.0（2026-05-22）GA：引入 Auto Mode、三层记忆、智能体化的 Deep Research/Solve/Question、LlamaIndex RAG 重构、Visualize/Animator 合并，以及推理强度归一化、工具 schema 回退和重启安全的回合运行时。此前 v1.3.x 系列陆续加入多用户部署、版本化知识库索引、用户自编技能系统、文档附件、TutorBot 多渠道（含 Zulip）与 NVIDIA NIM 支持等。整体迭代非常密集。
来源：README.md（Releases 段落，v1.4.0 与 v1.3.x 列表）DeepTutor 是开源 AI 辅导里少见的「智能体原生、能力统一、可审计、可自托管」的完整方案：解题/出题/研究/可视化共享会话与知识库，配版本化 RAG、三层可审计记忆、交互式活书、常驻 TutorBot 和智能体 CLI/MCP，来自知名实验室且迭代极快。对个人学习者、教育者和教育产品团队都很有价值，尤其在意数据掌控与可解释性的场景。要权衡的是功能体系大、部署配置有学习成本、效果依赖所接模型与资料。作为开源个性化辅导平台，它覆盖广、设计先进、生态完善。
来源：综合 README.md 的能力体系、可解释记忆设计与迭代节奏