DeepTutor 上手：本地模型接入、笔记建知识库、按资料出题与 JSON 自动化

按 DeepTutor 官方文档（1.7.0 实测）：装好 deeptutor[full]，用 setup.json 把本机 llama.cpp 跑的开源小模型接进来，不要 API Key 就能 doctor 体检并跑通问答；再接本地 Embedding，把自己的笔记建成知识库，让回答引用原文并标出来源；最后用 deep_question 出题，用 --format json 和 --session 把它写进脚本、交给代理调用。

入门3 课时65 分钟图文实操

免费学习无需登录

开始学习查看课程目录

你将学会

装好 DeepTutor 1.7 命令行
用 setup.json 接本地模型
用 doctor 体检配置
把笔记建成知识库
让回答引用资料来源
用 JSON 与会话做自动化

适合谁

想按自己资料复习出题的师生
想免费在本地跑 RAG 辅导的用户
想把 AI 辅导写进脚本的开发者

课前准备

会用终端和 Python 虚拟环境
内存 8 GB 以上，磁盘留 5 GB
本机有 llama.cpp 或其他 OpenAI 兼容服务

课程目录

3 课时 · 65 分钟

01装好 DeepTutor，接上本地模型跑第一次问答用 llama serve 起本地 OpenAI 兼容模型，在虚拟环境里安装 deeptutor[full]==1.7.0，用 init --non-interactive 初始化运行目录、module list 查看模块，写 setup.json 接上 llama_cpp 并用 config apply --check 校验，再用 doctor --online 体检、run chat 跑通第一次问答，看清小模型的错误。图文20 分钟开始本课
02接上本地 Embedding，把笔记建成知识库用 llama serve 起 Qwen3-Embedding-0.6B 并确认 1024 维，在 setup.json 里加 vllm 类型 Embedding 和关闭搜索，用 kb create 把导数笔记建库，用 kb list、kb info、kb search --format json 检查索引和检索结果，再用 run chat --kb 让回答引用笔记原文并列出来源。图文20 分钟开始本课
03出题、JSON 事件流与会话续聊用 run deep_question --config num_questions 按知识库出题并看清小模型的局限，用 --format json 输出 NDJSON 并用 jq 取 result、sources 和 session_id，用 --session 跨进程续聊，用 session list、session show 回看记录，最后照官方文档了解用 SKILL.md 交给 Claude Code、Code图文25 分钟开始本课

课程说明

DeepTutor 是香港大学数据智能实验室（HKUDS）开源的个性化 AI 辅导工具，采用 Apache-2.0 许可。它可以把你的讲义、笔记建成知识库，按资料答疑、出题、解题、做研究，并记住学习过程。它有 Web 界面，也有完整的命令行（CLI），模型不绑定任何一家，任何 OpenAI 兼容服务都能接，包括跑在你自己电脑上的开源模型。

本课按 DeepTutor 官方文档（https://docs.deeptutor.info/zh-cn/ ）整理。2026-10-30 在一台没有显卡的 Linux 云主机上，用 DeepTutor 1.7.0 搭配本地 llama.cpp 跑的 Gemma 4 E2B 小模型（Q4_K_M 量化）和 Qwen3-Embedding-0.6B 逐条实跑。「对照结果」都是真实输出，小模型没做好的地方也照实写出。没有实测的部分（云端模型、Web 界面、交给 Claude Code / Codex 调用）取自官方文档，课内会单独注明。全课共 3 课时：

课时	你会做完的事	需要什么
1	装好 deeptutor[full]，非交互初始化，用 setup.json 接上本地模型，doctor 体检并跑通第一次问答	终端，Python 3.11+，8 GB 以上内存
2	接上本地 Embedding，把笔记建成知识库，检索并让回答带来源	同上
3	用 deep_question 出题，用 --format json 取结果，用 --session 续聊，了解交给代理调用的方式	同上，另装 jq

适合

想用 AI 按自己的资料复习、出题的学生和老师
想不花 API 费用、在本地跑 RAG 辅导工具的用户
想把 AI 辅导能力写进脚本或交给代理调用的开发者

先修

会用终端和 Python 虚拟环境
内存 8 GB 以上，磁盘留 5 GB 放程序和模型
本机装好 llama.cpp（可先学站内「Llama App 上手」课），或已有其他 OpenAI 兼容服务

你会学到

区分 1.7.0 的 deeptutor 和 deeptutor[full]，用 pip show 查版本
用 deeptutor init --non-interactive 和 config apply setup.json 脚本化配置
用 doctor --online 一次检查配置、连通性和模型响应
接本地 Embedding，并用 kb create、kb info、kb search 管理知识库
用 run chat --kb 让回答引用你的笔记
用 run deep_question 出题，用 --format json 和 --session 做自动化

官方资料

从 PyPI 安装：https://docs.deeptutor.info/zh-cn/get-started/pypi/
仅 CLI 安装：https://docs.deeptutor.info/zh-cn/get-started/cli-only/
Provider 配置：https://docs.deeptutor.info/zh-cn/get-started/providers/
命令参考：https://docs.deeptutor.info/zh-cn/cli/commands/
代理交接：https://docs.deeptutor.info/zh-cn/cli/agent-handoff/
知识空间：https://docs.deeptutor.info/zh-cn/explore/knowledge/
故障排查：https://docs.deeptutor.info/zh-cn/get-started/troubleshooting/
代理配置说明：https://github.com/HKUDS/DeepTutor/blob/main/docs-for-dev/AGENT_SETUP.md
源码仓库：https://github.com/HKUDS/DeepTutor
版本发布：https://github.com/HKUDS/DeepTutor/releases/tag/v1.7.0

绑定工具： DeepTutor（/tools/deeptutor/）