DeepTutor：一个 Agent 两天一个版本，把家教做成了基础设施
每次上课，家教需要花十分钟回顾上次讲了什么。如果换了家教，一切从零开始。如果家教生病了，你的学习就断了。
目录
DeepTutor：一个 Agent 两天一个版本，把"家教"做成了基础设施
从"家教"到"终身家教"
传统家教有一个死穴：家教不记得你。
每次上课，家教需要花十分钟回顾上次讲了什么。如果换了家教，一切从零开始。如果家教生病了，你的学习就断了。
AI 家教解决了"不记得"的问题——对话历史可以保存。但很快遇到了新问题：对话历史太长了，模型记不住全部；对话历史是线性的，但学习不是线性的；对话历史是文本，但学习需要练习、需要测验、需要可视化。
DeepTutor 想做的事情是：把家教从一次性服务变成终身基础设施。
两天一个版本意味着什么？
DeepTutor 的 GitHub releases 页面让人震惊：v1.6.15 发布于 10 月 19 日，v1.6.14 发布于 10 月 16 日，v1.6.13 发布于 10 月 14 日。每 2-3 天一个版本，持续了两个月。
这不是一个 demo 项目。这是一个在高速迭代的产品。
两天一个版本意味着什么？意味着团队不是在"开发功能"，而是在"响应用户"。每个版本都修了具体的问题——v1.6.15 改进了 Guided Learning 的大纲变更审查流程，v1.6.14 加了独立评分的题目组，v1.6.13 加了 bounded tutoring memory。
这种迭代速度背后是真实用户在用。没有用户反馈，不可能每两天都精准地修一个东西。
文件夹即学习空间
DeepTutor 的核心概念是 folder-based learning workspaces。
你创建一个文件夹叫"机器学习"，把 PDF、笔记、代码扔进去。DeepTutor 会：
- 从这些材料里构建一个 knowledge base（RAG 索引）
- 基于材料生成 question bank（题库）
- 基于你的掌握程度生成 mastery path（掌握路径）
- 每天给你推 daily practice（每日练习）
传统 AI 家教是"你问我答"——你问一个问题，它回答，结束。DeepTutor 是"你给我材料，我帮你学"——材料是输入，掌握是输出。前者是 chat，后者是 workspace。
这和 OpenBot 的逻辑一样：Agent 需要的不是更大的上下文窗口，是更持久的工作环境。DeepTutor 给学习 Agent 一个文件夹，OpenBot 给通用 Agent 一个桌面。
"Bounded tutoring memory"：记忆不是越多越好
v1.6.13 加了一个功能叫 bounded tutoring memory。
这个功能很值得注意。"Bounded" 是有界的——DeepTutor 主动限制了家教记忆的大小。
为什么？因为 记忆不是越多越好。
一个记得你所有对话的家教，会：
- 被早期错误信息污染（你一开始理解错了，它一直以为你不懂）
- 上下文太长导致注意力分散（什么都记得等于什么都不记得）
- 无法适应你的进步（你三个月前不会的，现在会了，但家教还在讲基础）
这和 10/16 那篇 "Scaling Discovery Requires Forgetting" 的洞察一致：记忆不是中性存储，是条件化先验，会系统性收窄搜索空间。DeepTutor 主动限制记忆，是为了不让过去的理解限制未来的学习。
"Mastery path"：学习不是问答，是路径
DeepTutor 的另一个核心概念是 mastery path。
传统 AI 家教是问答式的：你问，它答。你问什么决定了你学什么。
DeepTutor 反过来：它基于你的材料生成一条掌握路径——先学什么，再学什么，每个阶段需要达到什么水平。你不需要知道该问什么，DeepTutor 告诉你该学什么。
这更像学校，但比学校个性化。学校的路径是给所有人的，DeepTutor 的路径是基于你的材料、你的回答、你的掌握程度生成的。
mastery path 解决的是"不知道不知道什么"的问题。问答式家教只能回答你知道该问的问题，掌握路径能发现你不知道自己不知道的东西。
多 Provider 不是噱头
DeepTutor 支持 Gemini、Codex、OpenAI、Anthropic、xAI、DeepSeek、Ollama。
这不是"我们支持所有模型"的营销话术。这是有实际意义的：
不同模型擅长不同事情。Gemini 擅长长上下文（适合读长 PDF），Codex 擅长代码（适合编程学习），Claude 擅长推理（适合数学），GPT 擅长通识（适合多学科）。
DeepTutor 让你为不同任务选不同模型——读材料用 Gemini，生成题目用 Claude，批改作业用 GPT。这不是技术炫耀，是工程务实。
从"家教"到"学习操作系统"
DeepTutor 的功能列表读起来不像一个家教应用，像一个学习操作系统：
- Reading with citations（带引用的阅读）
- Question bank（题库）
- Daily practice（每日练习）
- Learning journal（学习日志）
- Mastery paths（掌握路径）
- Knowledge bases（知识库）
- Folder workspaces（文件夹工作区）
- Multi-provider（多模型）
- Bounded memory（有界记忆）
传统家教只做一件事：回答问题。DeepTutor 做五件事：组织材料、生成路径、出题练习、追踪掌握、管理记忆。前一件是 chat 能做的，后四件需要 infrastructure。
DeepTutor 的真正价值不是 AI 家教，是学习基础设施。AI 家教是入口，学习基础设施是护城河。
HKUDS：学术团队的工程化
DeepTutor 来自 HKUDS（香港大学数据科学实验室）。这是一个学术团队做的产品，但迭代速度像创业公司。
学术团队做产品通常有两个极端：一个是论文导向——发完论文就不管了，代码丢在 GitHub 上自生自灭；另一个是产品导向——持续迭代，但学术价值被稀释。
DeepTutor 似乎找到了中间路线。它有论文（arXiv:2604.26962），也有每两天一个版本的 releases。论文定义了方法（agentic personalized tutoring），产品实现了方法。
这种模式值得注意：学术团队不一定要选"论文 or 产品"，可以选"论文 + 产品"。论文是方法的认证，产品是方法的验证。DeepTutor 的两天一个版本，就是方法在真实用户身上的持续验证。
终身学习的真正含义
"Lifelong Personalized Tutoring"——终身个性化家教。
这个 slogan 的重点不是"家教"，是"终身"。
终身意味着什么？意味着家教需要陪你从初中到高中到大学到工作。意味着家教需要记住你十年前的学习方式，也需要适应你现在的学习需求。意味着家教不能是一次性的，必须是持续的服务。
DeepTutor 的 bounded memory、mastery path、folder workspace——这些设计都是为了"终身"服务的。一次性家教不需要管理记忆，终身家教需要。一次性家教不需要掌握路径，终身家教需要。一次性家教不需要工作区，终身家教需要。
终身学习需要的不是更好的模型，是更好的基础设施。模型会迭代，基础设施会积累。DeepTutor 的两天一个版本，就是在积累这个基础设施。
项目地址：https://github.com/HKUDS/DeepTutor 今日 Stars：1587 论文：arXiv:2604.26962 状态：v1.6.15，每 2-3 天一个版本