什麼是 DeepTutor？認識 Agent-Native 學習助理的設計邏輯

你打開 ChatGPT，問了一個很好的問題，得到一個很有用的解答。你把它複製下來、貼到 Notion，心裡想著：「好，這個我記住了。」

然後隔天，你打開一個新對話，輸入另一個問題——那個 ChatGPT 一點都不知道你昨天學了什麼、你現在在哪個程度、你接下來打算往哪裡走。

你又要從頭介紹自己。

這不是在批評 ChatGPT——它本來就不是為「學習」這件事設計的。但這個斷點，在學習這個場景裡，是一個非常具體的問題。

為什麼現有 AI 工具不適合學習

學習有一個特性，叫做累積性。

你今天學的東西，建立在昨天的基礎上。你的弱點、盲點、已經懂的部分，是一套需要持續追蹤的動態狀態——不是一次對話可以交代清楚的。

現有的大多數 AI 工具，設計的是「對話」，不是「學習關係」：

這些工具各有各的強項，但「認識你、記住你、根據你的狀態調整」——這件事，它們都沒有把它當成核心設計目標。

DeepTutor 的出現，是在回答這個問題：如果真的要設計一個 AI 學習助理，應該長什麼樣子？

DeepTutor 是香港大學資料科學實驗室（HKUDS）開發的開源專案，在 GitHub 上已經累積超過兩萬顆星，授權是 Apache 2.0。

它的定位很明確：Agent-Native Personalized Learning Assistant。

「Agent-Native」這個詞說的是架構層面的選擇——DeepTutor 不是在傳統聊天介面上加了幾個 AI 功能，而是從一開始就以 AI 代理人（Agent）為核心去設計整個學習環境：

這跟「在聊天框裡問問題」是不同的運作邏輯。

DeepTutor 記住你的學習目標、當前程度、偏好風格，並且跨 session 保持這個理解。你不需要每次重新介紹自己。

這是最基礎但最關鍵的差異——沒有持久記憶，所有個人化都只是幻覺。

Chat、Deep Solve、Quiz、Research、Math Animator 這五種模式，全部在同一個對話介面裡切換使用。不是五個獨立工具，是根據當下需求選對應的工具。

你可以創建一個（或多個）有獨立個性和記憶的 AI 家教。可以選「蘇格拉底式提問風格」、「鼓勵型輔導策略」，也可以完全自訂。每個 TutorBot 有自己的記憶空間，互不干擾。

把你的 PDF、筆記、技術文件上傳進去，DeepTutor 用 LightRAG 做語義索引，之後在對話和研究時可以直接調用你的知識庫——不是關鍵字搜尋，是語義理解。

內建 AI 輔助的 Markdown 編輯器，支援改寫、擴充、精簡。適合把學習筆記整理成可輸出的文件。

可以跑在自己的機器或自己的伺服器上，支援 OpenAI、Anthropic 及其他 LLM 後端。所有資料留在你的環境裡，不交給第三方雲端服務。

面向	ChatGPT	Perplexity	Notion AI	DeepTutor
持久記憶	有限（Project）	無	無	✅ 核心設計
個性化家教	無	無	無	✅ TutorBot
主動互動	無	無	無	✅ 主動提醒
知識庫 RAG	無	無	有（筆記內）	✅ 跨資料源
測驗生成	手動提示	無	無	✅ 自動生成
自架 / 隱私	無	無	有限	✅ 完全自架
開源	無	無	無	✅ Apache 2.0

最適合的使用者：

可能不適合的場景：

DeepTutor 的核心主張只有一個：AI 學習助理應該記住你，不是讓你每次都記住它的狀態。

這個設計選擇，決定了它後面所有功能的走向——持久記憶、TutorBot 個性、主動提醒、知識庫 RAG，全部都是在支援這個核心主張。

如果這個方向符合你對 AI 學習工具的期待，下一篇我們直接來把它裝起來。