周末3小时搭出你的终身学习搭子DeepTutor 完整上手指南【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor想象一下这样的画面你上周问过的问题这周它还记得你上传的课件、随手写的笔记、卡壳的题目它全都分门别类地收好随时能调出来帮你复习。它不会在你学了一半时把上下文丢光更不会把你的学习记录打包给任何第三方服务器——因为这一切都跑在你自己电脑上。这就是 DeepTutor一个基于 Agent 原生架构、主打终身个性化辅导的开源学习平台。接下来我用一个周末的节奏带你从零跑通它先安家、再交心、最后让它真正成为你学习体系的一部分。第1步 先安家给学习搭子腾出一间独立小屋安装 DeepTutor 就像给新房接水电——你要做的不是装修而是让基础设施就位。它需要Python 3.11和Node.js 20确认这两样在终端里能跑就可以开始了。在动手前建议先建一个专属目录让 DeepTutor 的所有设置、记忆、知识库都住在这一间小屋里和系统其他项目互不打扰mkdir -p my-deeptutor cd my-deeptutor pip install -U deeptutor deeptutor init deeptutor start这个最小可用流程里deeptutor init会像向导一样依次问你四个问题后端端口默认 8001、前端端口默认 3782、LLM 提供商包括地址、密钥、模型名以及是否配置嵌入模型。全部答完它会把结果写进工作区下的data/user/settings/目录——之后你想改任何配置都从这里下手完全不用碰环境变量。启动命令就像翻开一本电子书那样简单。执行deeptutor start后系统会同时拉起后端 FastAPI 服务和前端 Next.js 界面终端里会打印出访问地址——默认是http://127.0.0.1:3782在浏览器打开它你就见到 DeepTutor 的主界面了。小贴士如果只是想快速试玩跳过deeptutor init也能启动模型配置留到界面里随时补——在Settings → Models中维护即可。想停掉服务在启动终端按CtrlC前后端会一起优雅退出。第2步 让它记住你第一场对话与三层记忆安好家该和它交心了。主界面中央有一个输入框下方是能力选择器——Chat 智能对话、Quiz 出题、Research 深度研究、Visualize 可视化、Solve 解题以及 Mastery Path 掌握路径。所有模式跑在同一个 Agent 引擎上切换的只是目标不是内核所以你从普通提问切换到深度研究时上下文无缝衔接。真正让它懂你的是输入框左侧的 按钮。点击它你会看到一串可挂载的上下文来源文件附件PDF、DOCX、PPTX 都行、聊天历史、我的代理、书籍库、笔记本、题库。你可以把线性代数教程.pdf和上周的对话记录同时喂给它再开始提问——它回答问题时会主动翻这些资料。DeepTutor 上下文扩展菜单文件附件、聊天历史、我的代理、书籍库、笔记本、题库等入口而它之所以能做到终身记住你靠的是一套三层记忆机制——你可以把它理解成整理学习笔记的三个层次L1 工作区镜像像一份实时流水账把你在 Chat、笔记本、题库、知识库、书籍等每个表面上的活动原样记录下来连原始事件轨迹都留着L2 表面总结像一周一总结的读书笔记把每个学习领域的要点归纳成结构化事实L3 知识合成像期末的融会贯通把跨领域的信息提炼成关于你的长期画像。这套设计的精妙之处在于可追溯L2 引用 L1 的证据L3 引用 L2 的来源任何一句关于你的结论都能一路追查到最初的原始事件而不是藏在某个神秘向量库里让你无从核验。小贴士记忆是完全透明的。想看看它记住了什么用deeptutor memory show直接在终端翻看 L2/L3 文档觉得记乱了deeptutor memory clear可以清空重来。它记住的是你的学习内容而不是把数据传到外部。第3步 从有问必答到体系化学习知识库、智能书籍与子代理第一场对话跑通后是时候把 DeepTutor 从答疑工具升级成学习体系了。这里我推荐三条进阶路径按你的需求任选其一。路径一建一个会检索的个人知识库。知识库是 RAG 的地基它能给对话、写作、书籍生成提供依据。创建和投喂资料用 CLI 一条命令就能完成deeptutor kb create 机器学习笔记 --doc 线性代数教程.pdf deeptutor kb add 机器学习笔记 --doc 深度学习笔记.md deeptutor kb search 注意力机制 --kb 机器学习笔记值得留意的是知识中心支持多种检索引擎——默认的 LlamaIndex 本地向量检索、PageIndex 的跨文档推理检索、GraphRAG / LightRAG 的知识图谱检索甚至可以直接挂载一个 Obsidian 笔记库原地读写。每个知识库绑定一种引擎你可以按场景挑选。路径二把资料变成一本会活的教材。Book 功能能把知识库、笔记、聊天历史转换成一本交互式书籍——不是静态 PDF而是由文字、测验卡片、时间线、可交互模块、动画等类型化模块拼成的阅读环境。生成前它会先给出章节大纲让你确认再动笔写正文避免一次性盲生成的失控感。路径三给对话拉来一支专家小分队。当问题超出单个模型的能力时DeepTutor 可以实时调用你机器上的其他 Agent——比如 Claude Code、Codex——作为子代理把它们的推理过程流式显示在活动面板里。配置方式很简单在My Agents里连接你的本地 CLI之后对话中输入就能选中它介入。deeptutor partner create study-pal --name 自习搭子 --soul 你是耐心细致的辅导者 --model gpt-4o这条命令创建的 Partner 是一个有独立人格、独立记忆、独立知识库的常驻助手可以接入飞书、Telegram、Slack 等 IM 渠道也能反过来作为子代理被主对话随时征询。DeepTutor 子代理使用界面在对话中选中并调用子代理参与任务小贴士给书籍做体检也有现成命令——deeptutor book list查看书目deeptutor book health检查源资料与已编译页面的漂移防止教材内容和原始资料脱节。备用锦囊配置、故障排查与性能调优所有运行配置都集中在data/user/settings/下其中model_catalog.json管理 LLM、嵌入、搜索等所有模型配置。除非你要批量脚本化否则更推荐在浏览器Settings → Models里维护。想了解各文件职责deeptutor config show会打印一份配置摘要。一个本地部署的model_catalog.json长这样{ version: 1, services: { llm: { active_profile_id: local-ollama, profiles: [ { id: local-ollama, provider: ollama, base_url: http://localhost:11434/v1, model: llama3, api_key: } ] } } }如果中途遇到状况先对照这张快速排查表绝大多数问题都能自己解决问题现象可能原因解决方案连接 Ollama 失败服务未启动或端口不对运行ollama serve确认 11434 端口通畅前端页面打不开端口被占用重新执行deeptutor init更换端口后重启知识库索引失败嵌入模型未配置在 Settings → Models 补一个 embedding 配置子代理连接失败本地 CLI 未登录先单独登录 Claude Code / Codex再回来咨询资源紧张时性能调优有四个顺手的小开关换用更轻的模型如mistral、qwen2.5在Settings → Memory里调低 L2/L3 的更新频率避免同时并发多个复杂任务定期deeptutor memory clear释放空间。从使用者到贡献者技能生态与进阶路径用顺手之后你会发现 DeepTutor 的能力边界是可以被你自己扩大的。它的技能系统采用开放的 Agent-Skills 格式社区里的教学技能可以直接安装deeptutor skill search 数学辅导 deeptutor skill install math-tutor-skill deeptutor skill publish ./my-learning-skill这串命令演示了完整的取用—安装—回馈闭环search从 EduHub 社区技能库检索install经过安全校验后落地到本地而publish能把你自己打磨的教学方法论回馈给社区。如果你想更进一步参与方式从轻到重依次是在仓库 Issues 里报告使用体验或提建议、按照 CONTRIBUTING 指南提交 Pull Request 改进代码、创建并发布自己的学习技能、分享你的使用案例帮助更多学习者。进阶方向也有四条清晰的路为学习小组配置多用户共享环境、开发针对特定学科的专用代理、通过 API 把 DeepTutor 能力集成进其他平台、用插件机制扩展全新工具模块。结语最好的学习方式就是开始使用从pip install到第一场对话从一层知识库到一本交互式教材你只花了短短几个小时就搭出了一个真正记得住你的终身学习搭子。它不只是一个会答题的工具——Chat、Research、Solve、Mastery Path 跑在同一套引擎上知识库、记忆、技能和子代理随时可调用构成的是一个完整的学习生态系统。现在打开浏览器提出你的第一个问题吧。让它记住你从哪里开始再看着它陪你走到哪里——你会发现最好的学习方式就是开始使用然后一路用下去。【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
周末3小时搭出你的终身学习搭子DeepTutor 完整上手指南【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor想象一下这样的画面你上周问过的问题这周它还记得你上传的课件、随手写的笔记、卡壳的题目它全都分门别类地收好随时能调出来帮你复习。它不会在你学了一半时把上下文丢光更不会把你的学习记录打包给任何第三方服务器——因为这一切都跑在你自己电脑上。这就是 DeepTutor一个基于 Agent 原生架构、主打终身个性化辅导的开源学习平台。接下来我用一个周末的节奏带你从零跑通它先安家、再交心、最后让它真正成为你学习体系的一部分。第1步 先安家给学习搭子腾出一间独立小屋安装 DeepTutor 就像给新房接水电——你要做的不是装修而是让基础设施就位。它需要Python 3.11和Node.js 20确认这两样在终端里能跑就可以开始了。在动手前建议先建一个专属目录让 DeepTutor 的所有设置、记忆、知识库都住在这一间小屋里和系统其他项目互不打扰mkdir -p my-deeptutor cd my-deeptutor pip install -U deeptutor deeptutor init deeptutor start这个最小可用流程里deeptutor init会像向导一样依次问你四个问题后端端口默认 8001、前端端口默认 3782、LLM 提供商包括地址、密钥、模型名以及是否配置嵌入模型。全部答完它会把结果写进工作区下的data/user/settings/目录——之后你想改任何配置都从这里下手完全不用碰环境变量。启动命令就像翻开一本电子书那样简单。执行deeptutor start后系统会同时拉起后端 FastAPI 服务和前端 Next.js 界面终端里会打印出访问地址——默认是http://127.0.0.1:3782在浏览器打开它你就见到 DeepTutor 的主界面了。小贴士如果只是想快速试玩跳过deeptutor init也能启动模型配置留到界面里随时补——在Settings → Models中维护即可。想停掉服务在启动终端按CtrlC前后端会一起优雅退出。第2步 让它记住你第一场对话与三层记忆安好家该和它交心了。主界面中央有一个输入框下方是能力选择器——Chat 智能对话、Quiz 出题、Research 深度研究、Visualize 可视化、Solve 解题以及 Mastery Path 掌握路径。所有模式跑在同一个 Agent 引擎上切换的只是目标不是内核所以你从普通提问切换到深度研究时上下文无缝衔接。真正让它懂你的是输入框左侧的 按钮。点击它你会看到一串可挂载的上下文来源文件附件PDF、DOCX、PPTX 都行、聊天历史、我的代理、书籍库、笔记本、题库。你可以把线性代数教程.pdf和上周的对话记录同时喂给它再开始提问——它回答问题时会主动翻这些资料。DeepTutor 上下文扩展菜单文件附件、聊天历史、我的代理、书籍库、笔记本、题库等入口而它之所以能做到终身记住你靠的是一套三层记忆机制——你可以把它理解成整理学习笔记的三个层次L1 工作区镜像像一份实时流水账把你在 Chat、笔记本、题库、知识库、书籍等每个表面上的活动原样记录下来连原始事件轨迹都留着L2 表面总结像一周一总结的读书笔记把每个学习领域的要点归纳成结构化事实L3 知识合成像期末的融会贯通把跨领域的信息提炼成关于你的长期画像。这套设计的精妙之处在于可追溯L2 引用 L1 的证据L3 引用 L2 的来源任何一句关于你的结论都能一路追查到最初的原始事件而不是藏在某个神秘向量库里让你无从核验。小贴士记忆是完全透明的。想看看它记住了什么用deeptutor memory show直接在终端翻看 L2/L3 文档觉得记乱了deeptutor memory clear可以清空重来。它记住的是你的学习内容而不是把数据传到外部。第3步 从有问必答到体系化学习知识库、智能书籍与子代理第一场对话跑通后是时候把 DeepTutor 从答疑工具升级成学习体系了。这里我推荐三条进阶路径按你的需求任选其一。路径一建一个会检索的个人知识库。知识库是 RAG 的地基它能给对话、写作、书籍生成提供依据。创建和投喂资料用 CLI 一条命令就能完成deeptutor kb create 机器学习笔记 --doc 线性代数教程.pdf deeptutor kb add 机器学习笔记 --doc 深度学习笔记.md deeptutor kb search 注意力机制 --kb 机器学习笔记值得留意的是知识中心支持多种检索引擎——默认的 LlamaIndex 本地向量检索、PageIndex 的跨文档推理检索、GraphRAG / LightRAG 的知识图谱检索甚至可以直接挂载一个 Obsidian 笔记库原地读写。每个知识库绑定一种引擎你可以按场景挑选。路径二把资料变成一本会活的教材。Book 功能能把知识库、笔记、聊天历史转换成一本交互式书籍——不是静态 PDF而是由文字、测验卡片、时间线、可交互模块、动画等类型化模块拼成的阅读环境。生成前它会先给出章节大纲让你确认再动笔写正文避免一次性盲生成的失控感。路径三给对话拉来一支专家小分队。当问题超出单个模型的能力时DeepTutor 可以实时调用你机器上的其他 Agent——比如 Claude Code、Codex——作为子代理把它们的推理过程流式显示在活动面板里。配置方式很简单在My Agents里连接你的本地 CLI之后对话中输入就能选中它介入。deeptutor partner create study-pal --name 自习搭子 --soul 你是耐心细致的辅导者 --model gpt-4o这条命令创建的 Partner 是一个有独立人格、独立记忆、独立知识库的常驻助手可以接入飞书、Telegram、Slack 等 IM 渠道也能反过来作为子代理被主对话随时征询。DeepTutor 子代理使用界面在对话中选中并调用子代理参与任务小贴士给书籍做体检也有现成命令——deeptutor book list查看书目deeptutor book health检查源资料与已编译页面的漂移防止教材内容和原始资料脱节。备用锦囊配置、故障排查与性能调优所有运行配置都集中在data/user/settings/下其中model_catalog.json管理 LLM、嵌入、搜索等所有模型配置。除非你要批量脚本化否则更推荐在浏览器Settings → Models里维护。想了解各文件职责deeptutor config show会打印一份配置摘要。一个本地部署的model_catalog.json长这样{ version: 1, services: { llm: { active_profile_id: local-ollama, profiles: [ { id: local-ollama, provider: ollama, base_url: http://localhost:11434/v1, model: llama3, api_key: } ] } } }如果中途遇到状况先对照这张快速排查表绝大多数问题都能自己解决问题现象可能原因解决方案连接 Ollama 失败服务未启动或端口不对运行ollama serve确认 11434 端口通畅前端页面打不开端口被占用重新执行deeptutor init更换端口后重启知识库索引失败嵌入模型未配置在 Settings → Models 补一个 embedding 配置子代理连接失败本地 CLI 未登录先单独登录 Claude Code / Codex再回来咨询资源紧张时性能调优有四个顺手的小开关换用更轻的模型如mistral、qwen2.5在Settings → Memory里调低 L2/L3 的更新频率避免同时并发多个复杂任务定期deeptutor memory clear释放空间。从使用者到贡献者技能生态与进阶路径用顺手之后你会发现 DeepTutor 的能力边界是可以被你自己扩大的。它的技能系统采用开放的 Agent-Skills 格式社区里的教学技能可以直接安装deeptutor skill search 数学辅导 deeptutor skill install math-tutor-skill deeptutor skill publish ./my-learning-skill这串命令演示了完整的取用—安装—回馈闭环search从 EduHub 社区技能库检索install经过安全校验后落地到本地而publish能把你自己打磨的教学方法论回馈给社区。如果你想更进一步参与方式从轻到重依次是在仓库 Issues 里报告使用体验或提建议、按照 CONTRIBUTING 指南提交 Pull Request 改进代码、创建并发布自己的学习技能、分享你的使用案例帮助更多学习者。进阶方向也有四条清晰的路为学习小组配置多用户共享环境、开发针对特定学科的专用代理、通过 API 把 DeepTutor 能力集成进其他平台、用插件机制扩展全新工具模块。结语最好的学习方式就是开始使用从pip install到第一场对话从一层知识库到一本交互式教材你只花了短短几个小时就搭出了一个真正记得住你的终身学习搭子。它不只是一个会答题的工具——Chat、Research、Solve、Mastery Path 跑在同一套引擎上知识库、记忆、技能和子代理随时可调用构成的是一个完整的学习生态系统。现在打开浏览器提出你的第一个问题吧。让它记住你从哪里开始再看着它陪你走到哪里——你会发现最好的学习方式就是开始使用然后一路用下去。【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
![Java输入流读取后如何存放？从byte[]到String、对象与大文件的完整指南](http://pic.xiahunao.cn/yaotu/Java输入流读取后如何存放？从byte[]到String、对象与大文件的完整指南)
