AI 家教不该只是会答题的聊天框：DeepTutor 把“记住你哪里不会”做成了主功能

11 月 1 日 GitHub 趋势上，HKUDS/DeepTutor 拿了单日新增 1034 星，另一份盘点记了 24 小时新增 1035 星、7 天新增约 1.1 万星、总数约 5.3 万星——总数随时间在变，本轮只用“11 月 1 日趋势在涨、7 天增量上万”这个判断。它的出处是香港大学数据科学组，Apache-2.0 协议，v1.7.0 出在 10 月 28 日，定位叫“终身个性化辅导”，不是“带题库的聊天机器人”。它把辅导、解题、出题、研究、可视化、精通路径、沉浸阅读、音频概览等九种模式放在同一个运行时里，共用同一套知识库、书本、笔记、收藏、题库和记忆——换句话说，你在聊天里暴露的薄弱点，下一轮出题时应该被用上，而不是每次开新会话都从零开始。
它真正的主功能藏在“个性化引擎”这个词后面：技术报告里的说法是，一套混合引擎把静态的知识 grounding 和动态的学习者记忆拼在一起，再用一棵分层记忆（trace forest）把每次互动的痕迹蒸馏成不断演进的学习者画像，让每一次互动都影响下一次。配套的还有 TutorBench：一套面向个性化辅导的评测，内置了带诊断缺口的学习者画像和多轮对话任务，用第一人称学生模拟器来测自适应表现——这是项目方自己的评测口径，不是独立第三方复测，读到“提升”类结论时要按厂商自报打折。落地方式也按自托管走：PyPI、Docker 或源码三种装法，应用跑在本地 127.0.0.1:3782，模型可以接 OpenAI 兼容接口、Anthropic、Gemini 这类云端，也可以接 Ollama、LM Studio、llama.cpp、vLLM 这类本地；它还能说 MCP、能在对话中途请 Claude Code 或 Codex 这类编码 agent 来帮忙。
我的判断：最适合的人，是已经在自学一门课、且愿意把“学到哪了”这件事交给一个本地应用记下来的人：先拿一章你已经学过的内容进去跑一遍辅导加出题，看它出的题是不是真的打在你上次卡住的地方——如果出的题和你薄弱点对不上，那它的个性化引擎对你就是摆设，别因为星数高就留着。还有一句必须提醒的：自托管的是应用和数据库，不是全部数据流向——你一旦选了云端模型，那部分学习记录还是会发给模型方，隐私收益只在你选本地模型时才完整；另外它面向的是大学课程级别的五个学科方向，中小学提分、应试刷题不是它的主战场，别按那个标准去验它。
什么情况下这篇结论不成立：你只是偶尔问一道题，那九种模式、记忆引擎、评测基准全是 overhead，一个普通聊天框更快；或者你想要的是开箱即用的托管家教、不想自己装 Docker 和配模型，那它的自托管恰好是门槛，不是卖点。