港大这套免费 AI 家教,下载、上手、三个能照抄的用法

先说个感受。

这几年打着“AI 辅导孩子”旗号的东西，我打开过少说二十个。绝大多数撑不过三分钟：你把题拍进去，它把答案吐出来，孩子抄完，合上平板，该不会的还是不会。

DeepTutor 是少数让我愿意留在收藏夹里的。它没什么花哨的界面，甚至第一次打开会觉得“就这？”。但用过一个礼拜之后你会发现，它跟别的工具最不一样的地方是，它不肯直接给答案。

我见过太多这样的过程：一道题做错，当天没人告诉他错在哪；等第二天交作业、等老师批、等周末家教上门，中间隔着两三天。两三天之后，那道题的情绪早就凉了，孩子也懒得再回头。反复几轮，就跟不上了。

这件事的解法其实不复杂：把一大块任务拆成小段，每小段都给一次即时反馈。道理谁都懂，但真人做不到——老师一个人带五十个学生，家教一周来两次，谁也没法坐在旁边盯着你每一道题。

DeepTutor 就是往这个缺口上填的工具。项目由中国香港大学数据智能实验室（HKUDS）开源，2025 年 12 月底上线，到 2026 年 8 月，GitHub 上的 star 已经涨到四万以上，这个涨速在开源教育项目里很少见 

它管自己叫“Agent 原生学习工作区”，翻译成人话就是：Home、Partners、My Agents、Co-Writer、Book、Learning Space、Memory、Knowledge Center 这八个入口，跑在同一套运行时上。你在聊天里上传的教材、在做题时错的题、在笔记本里写下的东西，切到另一个界面依然在。换的是目标，不是引擎

这点很关键。普通 AI 问答的记忆只活在当前那次对话里，开个新窗口就失忆；DeepTutor 把记忆分了 L1 交互轨迹、L2 摘要、L3 长期特征三层，还配了一张 Memory Graph，能让“它为什么觉得你这块弱”一路追溯到原始对话和练习记录 CSDN。教育场景里，一个说不清理由的“个性化标签”是没用的，家长也不会买账。

路线一：pip 装本地 Web 应用，官方现在最推荐这条

需要 Python 3.11 到 3.13，另外要有 Node.js 20 以上。三条命令的事：

deeptutor init会一条条问你：用哪家 LLM、用哪个 Embedding，以及后端端口、前端端口。答完默认前端跑在 http://127.0.0.1:3782，后端 8001。浏览器打开就能用 

路线二：Docker，干净，出问题好删

前端 http://localhost:3782，接口 http://localhost:8001。官方镜像同时提供 amd64 和 arm64，装在 NAS 上也有人跑通过 替代方案。

路线三：一行环境都不想装

HyperAI 上有一份配置好的 DeepTutor 教程，登录、克隆容器、跑起来，几分钟就能进 WebUI，适合先摸摸手感再决定要不要本地部署HyperAI。想参与开发的话，官方建议源码路线配 Node.js 22 LTS。

配置里真正要上心的只有两件事。一个是 LLM：国内的 DeepSeek 便宜够用，家里有显卡的可以用 Ollama 跑本地模型，完全免费而且数据不出门。另一个是 PDF 解析引擎，MinerU、Docling、PyMuPDF4LLM 这几套风格不同，教材扫描件建议挨个试一遍再定替代方案。

很多人第一次进来就想直接问数学题，那太浪费了。顺序应该是这样。

第一件，把资料喂进去

建一个知识库，塞进这学期的教材、课堂笔记、整理好的错题本，PDF、Word、Markdown 都吃。经验是先用三到五份文件测一下检索——随便问一个只有教材里才有的小细节，看它引用的页码对不对。检索不准，后面全是白搭

第二件，起一个 Partner

这是它最有意思的设计。每个 Partner 有自己的角色设定、知识库、技能和独立记忆。你可以给它写一句：

写完还能把它接到微信上——官方支持微信、企业微信、QQ、飞书、钉钉、Telegram、Slack 等十几个渠道，接进来之后它的脑子还是同一个 Partner，只是换了个说话的地方 DeepTutor 文档。这一步对家长来说是质变：孩子不用开电脑，在微信里就能问，你也不用守着。

第三件，开一条 Mastery Path

这是 DeepTutor 最不像“AI 聊天工具”的功能。它把一个大目标拆成模块和知识点，然后按“是否真的掌握”来决定你能不能往下走，而不是按你读了几个小时。定目标、选材料（可以用 Book、笔记本或指定知识库文件）、改大纲，三步走完。门槛很硬：记忆类和操作类知识点要近期加权正确率到 90% 才算过，概念类则要你用费曼式讲解把 AI 讲服 

说白了，它把“学完”这件事，从感觉变成了可验证。

下面这三个场景我按初二、初三的常见情况写过一遍，提示词可以直接拿去用。

案例一：一道卡了二十分钟的几何题

孩子卡的不是整道题，是“辅助线该往哪画”的那一步。以前问 AI，它洋洋洒洒写一页证法，孩子看完点头，第二天照样不会。

在聊天框里这么写：

这就是它跟普通聊天框的分水岭。它不急着告诉你结论，它一层层追，追到你那个断点露出来。有家长的说法很实在：孩子问十遍它讲十遍，从来不急 

案例二：错题本变成一套校考风格的卷子

这是我觉得最值钱的功能。孩子整理了半学期错题，你让他重做，他嫌烦；你把错题喂给 AI，让它出卷子，他反而愿意做。

先把错题整理成一份 Markdown 或 PDF 上传，然后在测验模式里说：

出来的卷子做完，它会给你一份很直白的诊断：正确率多少，强项在哪，弱项在哪，然后直接告诉你该回去重看哪份材料的哪一节。这个过程是自动接上的，你不需要再手动把结论搬去下一个工具。

案例三：整册复习，卡着 90% 的门槛往前推

期末前三周，把整册的教材、笔记、错题一起打包成知识库，开一条 Mastery Path，目标是“初二下数学 期末”。它会先出一份大纲给你改——这一步别偷懒，把老师提过“必考”的模块手动往前挪。

之后每天固定二三十分钟。系统会按你昨天暴露的问题推新题，做错就补讲，讲完再出新题，直到那块知识点的正确率过线，才放你走下一个模块。v1.6.9 之后还加了每日练习循环，节奏更像“每天一小段”而不是“考前突击一夜”

它不难用，但它不轻。你得管环境、管 API Key、管知识库的版本，还得时不时去 Memory 里翻一遍，把它记错的东西划掉——比如把某天孩子犯困写错的一道题，误判成“这个知识点长期薄弱”。记忆越强，越需要人工校对

成本上，如果走线上 API，DeepSeek 这类国产模型一天几块钱能扛住；要用 Claude、GPT 那种顶配模型做深度推理，一天几十块也正常。真不想花钱，就用本地模型，代价是得有一台能扛的机器。

至于网上流传的“一个月提十几分”“掌握率提升 25%”这类数字，来源基本都是自媒体，没看到可靠的对照实验，我建议你别当数据看。工具的定位也是清楚的：知识传递、思路拆解、练习生成这些结构化的活儿它做得又稳又细；但孩子考砸了想哭一场的时候，它接不住，那还是得你来。

装的时候卡在哪一步，评论区说一声，我看到了就回。