🤝 เรายินดีรับการมีส่วนร่วมทุกรูปแบบ! โหวตรายการ roadmap หรือเสนอรายการใหม่ที่
Roadmapและดู คู่มือการมีส่วนร่วม สำหรับกลยุทธ์ branching มาตรฐานการเขียนโค้ด และวิธีเริ่มต้น
[2026.6.17] v1.4.6 — รวมสี่พื้นผิว: Space → แดชบอร์ดการเรียนรู้ พร้อม My Agents ที่นำเข้าได้และ Memory ระดับบนสุด; Knowledge Center เพิ่มเอ็นจิน GraphRAG / PageIndex / LightRAG พร้อม KB ที่เชื่อมโยงและการเมาท์ Obsidian; Settings เปิดการแยกวิเคราะห์เอกสาร / เสียง / รูปภาพ+วิดีโอ; ความสามารถ LLM ถูกควบคุมตามโมเดลที่กำหนด
[2026.6.14] v1.4.5 — การเรียนรู้แบบนำทาง สร้างใหม่บนลูปแชท agent พร้อมประตูความเชี่ยวชาญแบบ hard per-type และแดชบอร์ด
/learning; เฟรมเวิร์ก loop-plugin ที่ขยายได้ใหม่; Markdown export / save-to-notebook สำหรับบทสนทนา Partner
[2026.6.13] v1.4.4 — ติดตั้ง ทักษะชุมชนจาก ClawHub ด้วย
deeptutor skill installผ่านประตูความปลอดภัย; ดูตัวอย่าง DOCX/XLSX จริงในเบราว์เซอร์สำหรับไฟล์ knowledge base
[2026.6.12] v1.4.3 — TutorBot กลายเป็น Partners บน IM pipeline ระดับ production (15 ช่องทาง, live streaming), Chat ย้ายไปใช้ agent loop เดียว, การแยกส่วนต่อผู้ใช้จริง และ Visualize ที่สร้างใหม่
การเปิดตัวที่ผ่านมา (มากกว่า 2 สัปดาห์)
[2026.5.28] v1.4.2 — ความเสถียรภาพ + ความเรียบร้อย: Gemini 2.5+ ปลดล็อคใน Visualize และ Chat, การแก้ไข auth-routing (#485), UX การ streaming ที่ราบรื่น, แถบด้านข้าง Recents แบบพับได้ และรองรับ Lemonade local provider
[2026.5.27] v1.4.1 — ความปลอดภัย + ความเสถียรภาพ: ล็อค sandbox เครื่องมือ TutorBot, การแยกส่วนทรัพยากรต่อผู้ใช้, การ fallback ภาพ multimodal, API HTTP/SSE สำหรับ TutorBot และการแก้ไข chat regression ของ v1.4.0
[2026.5.22] v1.4.0 — GA cut ของ v1.4: Auto Mode, Memory สามชั้น, Deep Research / Solve / Question แบบ agentic, การ refactor RAG ด้วย LlamaIndex, การรวม Visualize/Animator และ turn runtime ที่ปลอดภัยต่อการรีสตาร์ท
[2026.5.21] v1.4.0-beta — เวิร์กเบนช์ Memory สามชั้น (L1/L2/L3), ความสามารถ chat ทั้งหมดสร้างใหม่บน agentic engine เดียว, RAG เฉพาะ LlamaIndex และพื้นที่ Settings + Capabilities แบบรวม
[2026.5.10] v1.3.10 — การกู้คืน CORS ของ Docker ระยะไกล,
DISABLE_SSL_VERIFYสำหรับ SDK providers, การอ้างอิง code-block ที่ปลอดภัยขึ้น และรองรับ Matrix E2EE add-on แบบเสริม
[2026.5.9] v1.3.9 — รองรับ Zulip และ NVIDIA NIM สำหรับ TutorBot, การ routing ของ thinking-model ที่ปลอดภัยขึ้น,
deeptutor start, tooltips แถบด้านข้าง และความเท่าเทียมของ session-store
[2026.5.8] v1.3.8 — การปรับใช้แบบหลายผู้ใช้แบบเสริมพร้อม workspace ผู้ใช้แบบแยกส่วน, admin grants, auth routes และการเข้าถึง runtime แบบจำกัดขอบเขต
[2026.5.4] v1.3.7 — การแก้ไข thinking-model/provider, ประวัติดัชนี Knowledge ที่มองเห็นได้ และการแก้ไข template/การล้าง Co-Writer ที่ปลอดภัยขึ้น
[2026.5.3] v1.3.6 — การเลือก model จาก catalog สำหรับ chat และ TutorBot, การ re-indexing RAG ที่ปลอดภัยขึ้น, การแก้ไขขีดจำกัด token ของ OpenAI Responses และการตรวจสอบ Skills editor
[2026.5.2] v1.3.5 — การตั้งค่าการเปิดตัว local ที่ราบรื่นขึ้น, RAG queries ที่ปลอดภัยขึ้น, auth การ embedding local ที่ชัดเจนขึ้น และการปรับปรุง dark-mode ของ Settings
[2026.5.1] v1.3.4 — การคงอยู่ของ chat ในหน้า Book และขั้นตอนการสร้างใหม่, การอ้างอิงจาก chat ไปยัง Book, การจัดการภาษา/ความคิดที่แข็งแกร่งขึ้น, การดึงเอกสาร RAG ที่แข็งแกร่งขึ้น
[2026.4.30] v1.3.3 — รองรับ embedding NVIDIA NIM + Gemini, บริบท Space แบบรวมสำหรับประวัติ chat/skills/memory, session snapshots, ความยืดหยุ่นของการ re-index RAG
[2026.4.29] v1.3.2 — URL endpoint การ embedding แบบโปร่งใส, ความยืดหยุ่นของการ re-index RAG สำหรับ vectors ที่คงอยู่ไม่ถูกต้อง, การล้าง memory สำหรับเอาต์พุต thinking-model, การแก้ไข Deep Solve runtime
[2026.4.28] v1.3.1 — ความเสถียรภาพ: การ routing RAG และการตรวจสอบ embedding ที่ปลอดภัยขึ้น, ความคงอยู่ของ Docker, การป้อนข้อมูลที่ปลอดภัยสำหรับ IME, ความแข็งแกร่งของ Windows/GBK
[2026.4.27] v1.3.0 — ดัชนี KB แบบ versioned พร้อมขั้นตอนการ re-index, workspace Knowledge ที่สร้างใหม่, การค้นพบ embedding อัตโนมัติพร้อม adapters ใหม่, Space hub
[2026.4.25] v1.2.5 — ไฟล์แนบ chat ที่คงอยู่พร้อม drawer ดูตัวอย่างไฟล์, pipeline ความสามารถที่รับรู้ไฟล์แนบ, การส่งออก Markdown ของ TutorBot
[2026.4.25] v1.2.4 — ไฟล์แนบข้อความ/โค้ด/SVG, Setup Tour คำสั่งเดียว, การส่งออก Markdown ของ chat, UI การจัดการ KB แบบกะทัดรัด
[2026.4.24] v1.2.3 — ไฟล์แนบเอกสาร (PDF/DOCX/XLSX/PPTX), การแสดงบล็อก thinking ของ reasoning, ตัวแก้ไข template Soul, การบันทึก Co-Writer ลง notebook
[2026.4.22] v1.2.2 — ระบบ Skills ที่ผู้ใช้สร้าง, การปรับปรุงประสิทธิภาพการป้อนข้อมูล chat, การเริ่ม TutorBot อัตโนมัติ, UI Book Library, การดู visualization แบบเต็มหน้าจอ
[2026.4.21] v1.2.1 — ขีดจำกัด token ต่อขั้นตอน, การสร้างการตอบกลับใหม่ในทุกจุดเข้าถึง, การแก้ไขความเข้ากันได้ของ RAG และ Gemma
[2026.4.20] v1.2.0 — คอมไพเลอร์ "หนังสือมีชีวิต" Book Engine, Co-Writer หลายเอกสาร, visualization HTML แบบโต้ตอบ, @-mention ของ Question Bank
[2026.4.18] v1.1.2 — แท็บ Channels ที่ขับเคลื่อนด้วย schema, การรวม RAG pipeline เดียว, การ externalize prompts ของ chat
[2026.4.17] v1.1.1 — "ตอบตอนนี้" สากล, การซิงค์การเลื่อน Co-Writer, แผงการตั้งค่าแบบรวม, ปุ่ม Stop ของ streaming
[2026.4.15] v1.1.0 — การปรับปรุงคณิตศาสตร์บล็อก LaTeX, โพรบการวินิจฉัย LLM, คำแนะนำ Docker + LLM ในเครื่อง
[2026.4.14] v1.1.0-beta — session ที่บุ๊กมาร์กได้, ธีม Snow, WebSocket heartbeat & auto-reconnect, การปรับปรุง embedding registry
[2026.4.13] v1.0.3 — Question Notebook พร้อมบุ๊กมาร์กและหมวดหมู่, Mermaid ใน Visualize, การตรวจจับความไม่ตรงกันของ embedding, ความเข้ากันได้กับ Qwen/vLLM, รองรับ LM Studio & llama.cpp และธีม Glass
[2026.4.11] v1.0.2 — การรวม search พร้อม SearXNG fallback, การแก้ไขการเปลี่ยน provider, การแก้ไขการรั่วไหลของทรัพยากร frontend
[2026.4.10] v1.0.1 — ความสามารถ Visualize (Chart.js/SVG), การป้องกัน quiz ซ้ำ, รองรับ model o4-mini
[2026.4.10] v1.0.0-beta.4 — การติดตามความคืบหน้าของ embedding พร้อม retry ขีดจำกัด rate, การแก้ไข dependency ข้ามแพลตฟอร์ม, การแก้ไข MIME validation
[2026.4.8] v1.0.0-beta.3 — SDK OpenAI/Anthropic แบบ native (ลบ litellm), รองรับ Windows Math Animator, การแยกวิเคราะห์ JSON ที่แข็งแกร่ง และ i18n ภาษาจีนแบบสมบูรณ์
[2026.4.7] v1.0.0-beta.2 — การโหลดการตั้งค่าใหม่แบบ hot, เอาต์พุต MinerU แบบซ้อน, การแก้ไข WebSocket และขั้นต่ำ Python 3.11+
[2026.4.4] v1.0.0-beta.1 — การเขียนสถาปัตยกรรม agent-native ใหม่ (~200k บรรทัด): โมเดล plugin Tools + Capabilities, CLI & SDK, TutorBot, Co-Writer, Guided Learning และ memory ถาวร
[2026.1.23] v0.6.0 — ความคงอยู่ของ session, การอัพโหลดเอกสารแบบ incremental, การนำเข้า RAG pipeline แบบยืดหยุ่น และการแปลภาษาจีนแบบสมบูรณ์
[2026.1.18] v0.5.2 — รองรับ Docling สำหรับ RAG-Anything, การปรับปรุงระบบ log และการแก้ไขบัก
[2026.1.15] v0.5.0 — การกำหนดค่าบริการแบบรวม, การเลือก RAG pipeline ต่อ knowledge base, การปรับปรุงการสร้างคำถาม และการปรับแต่ง sidebar
[2026.1.9] v0.4.0 — รองรับ LLM & embedding หลาย provider, หน้าแรกใหม่, การแยก RAG module และการ refactor ตัวแปรสภาพแวดล้อม
[2026.1.5] v0.3.0 — สถาปัตยกรรม PromptManager แบบรวม, GitHub Actions CI/CD และ images Docker ที่สร้างล่วงหน้าบน GHCR
[2026.1.2] v0.2.0 — การปรับใช้ Docker, การอัพเกรด Next.js 16 & React 19, การเสริมความปลอดภัย WebSocket และการแก้ไขช่องโหว่ที่สำคัญ
- 2026-05-22 🌐 เว็บไซต์เอกสารอย่างเป็นทางการเปิดตัวแล้วที่ deeptutor.info — คู่มือ การอ้างอิง และ capability tours ทั้งหมดในที่เดียว
- 2026-04-19 🎉 ถึง 20k stars ใน 111 วัน! ขอบคุณสำหรับการสนับสนุนที่น่าเหลือเชื่อ — เรามุ่งมั่นพัฒนาต่อเนื่องเพื่อการสอนพิเศษที่เป็นส่วนตัวและชาญฉลาดสำหรับทุกคน
- 2026-04-10 📄 บทความของเราตอนนี้มีบน arXiv แล้ว! อ่าน preprint เพื่อเรียนรู้เพิ่มเติมเกี่ยวกับการออกแบบและแนวคิดที่อยู่เบื้องหลัง DeepTutor
- 2026-02-06 🚀 ถึง 10k stars ในเพียง 39 วัน! ขอบคุณชุมชนที่น่าเหลือเชื่ออย่างยิ่ง!
- 2026-01-01 🎊 สวัสดีปีใหม่! เข้าร่วม Discord, WeChat หรือ Discussions — มาร่วมกันกำหนดอนาคตของ DeepTutor!
- 2025-12-29 🎓 DeepTutor ได้รับการเปิดตัวอย่างเป็นทางการแล้ว!
DeepTutor คือ workspace การเรียนรู้แบบ agent-native ที่เชื่อมต่อการสอนพิเศษ, การแก้ปัญหา, การสร้าง quiz, การวิจัย, การสร้างภาพ และการฝึกความเชี่ยวชาญในระบบที่ขยายได้หนึ่งเดียว
- รันไทม์เดียวสำหรับทุกโหมด — Chat, Quiz, Research, Visualize, Solve และ Mastery Path บนลูป agent เดียวกัน คุณเปลี่ยนวัตถุประสงค์ ไม่ใช่เอ็นจิน และบริบทเดินทางไปพร้อมกับผู้เรียน
- บริบทการเรียนรู้ที่เชื่อมต่อกัน — ฐานความรู้, หนังสือ, ร่าง Co-Writer, สมุดบันทึก, คลังคำถาม, บุคลิกภาพ และ Memory พร้อมใช้งานในทุกเวิร์กโฟลว์ แทนที่จะอยู่ในเครื่องมือที่แยกจากกัน
- ซับเอเจนต์และ Partners — ปรึกษา Claude Code, Codex หรือ Partner แบบสดจากทุก turn (หรือนำเข้าบทสนทนาในอดีต) และรันเพื่อนถาวรบน IM ด้วยสมองเดียวกัน
- ความรู้หลายเอ็นจิน — ไลบรารี RAG แบบเวอร์ชันผ่าน LlamaIndex, PageIndex, GraphRAG, LightRAG หรือ Obsidian vault ที่เชื่อมโยง พร้อมการแยกวิเคราะห์เอกสารแบบ pluggable
- เครื่องมือและทักษะที่ขยายได้ — เครื่องมือในตัว, เซิร์ฟเวอร์ MCP, โมเดลสร้างรูปภาพ/วิดีโอ/เสียง และทักษะชุมชนที่ติดตั้งได้จาก EduHub
- หน่วยความจำที่ตรวจสอบได้ — การติดตาม L1, สรุปพื้นผิว L2 และการสังเคราะห์ L3 ทำให้การปรับแต่งส่วนบุคคลมองเห็นได้และแก้ไขได้ พร้อม Memory Graph ที่ติดตามทุกการอ้างสิทธิ์กลับไปสู่หลักฐาน
DeepTutor มีเส้นทางการติดตั้งสี่เส้นทาง ทั้งหมดแชร์ layout workspace เดียว: การตั้งค่าอยู่ใน data/user/settings/ ภายใต้ไดเร็กทอรีที่คุณเปิดตัว (หรือภายใต้ DEEPTUTOR_HOME / deeptutor start --home หากคุณตั้งค่าไว้อย่างชัดเจน) สำหรับแอปเต็มรูปแบบ ขั้นตอนที่แนะนำคือ เลือกไดเร็กทอรี workspace → ติดตั้ง → deeptutor init → deeptutor start
✨ v1.4.6 พร้อมใช้งาน
pip install -U deeptutorจะดึงเวอร์ชันที่เสถียรล่าสุด Pre-releases (เมื่อพร้อมใช้งาน) เลือกใช้ได้ด้วยpip install --pre -U deeptutor
แอป Web local แบบเต็มรูปแบบ + CLI ไม่ต้องโคลน ต้องการ Python 3.11+ และ runtime Node.js 20+ บน PATH (เซิร์ฟเวอร์ standalone Next.js ที่แพ็คไว้จะถูกเปิดตัวโดย deeptutor start)
mkdir -p my-deeptutor && cd my-deeptutor
pip install -U deeptutor
deeptutor init # ขอพอร์ต + LLM provider + embedding แบบเสริม
deeptutor start # เริ่ม backend + frontend; เปิด terminal ไว้deeptutor init จะขอพอร์ต backend (ค่าเริ่มต้น 8001), พอร์ต frontend (ค่าเริ่มต้น 3782), LLM provider / base URL / API key / model และ embedding provider แบบเสริมสำหรับ Knowledge Base / RAG
หลังจาก deeptutor start ให้เปิด URL ของ frontend ที่พิมพ์ใน terminal — ค่าเริ่มต้น http://127.0.0.1:3782 กด Ctrl+C ใน terminal นั้นเพื่อหยุดทั้ง backend และ frontend การข้าม deeptutor init ก็ใช้ได้สำหรับการทดลองอย่างรวดเร็ว แอปจะบูตด้วยพอร์ตเริ่มต้นและการตั้งค่า model ว่าง กำหนดค่าในภายหลังใน Settings → Models
สำหรับการพัฒนาจาก checkout ใช้ Python 3.11+ และ Node.js 22 LTS เพื่อให้ตรงกับ CI และ Docker
git clone https://github.com/HKUDS/DeepTutor.git
cd DeepTutor
# สร้าง venv (macOS/Linux). Windows PowerShell:
# py -3.11 -m venv .venv ; .\.venv\Scripts\Activate.ps1
python3 -m venv .venv && source .venv/bin/activate
python -m pip install --upgrade pip
# ติดตั้ง backend + frontend deps
python -m pip install -e .
( cd web && npm ci --legacy-peer-deps )
deeptutor init
deeptutor startสภาพแวดล้อม Conda (แทน venv)
conda create -n deeptutor python=3.11
conda activate deeptutor
python -m pip install --upgrade pipส่วนเสริมการติดตั้ง — dev / partners / matrix / math-animator
pip install -e ".[dev]" # เครื่องมือ tests/lint
pip install -e ".[partners]" # SDKs ช่องทาง IM ของ Partners + MCP client
pip install -e ".[matrix]" # ช่องทาง Matrix โดยไม่มี E2EE/libolm
pip install -e ".[matrix-e2e]" # Matrix E2EE; ต้องการ libolm
pip install -e ".[math-animator]" # Manim addon; ต้องการ LaTeX/ffmpeg/system libsการแก้ปัญหาเซิร์ฟเวอร์ dev
rm -f web/.next/dev/lock web/.next/lock
deeptutor startdocker run --rm --name deeptutor \
-p 127.0.0.1:3782:3782 \
-p 127.0.0.1:8001:8001 \
-v deeptutor-data:/app/data \
ghcr.io/hkuds/deeptutor:latest
⚠️ Map ทั้ง3782และ80013782ให้บริการ web UI;8001คือ FastAPI backend ที่เบราว์เซอร์ของคุณเรียกโดยตรง — ไม่มี proxy ภายใน container
Remote Docker / reverse proxy:
{
"next_public_api_base_external": "https://deeptutor.example.com"
}การเชื่อมต่อกับ Ollama / LM Studio / llama.cpp / vLLM / Lemonade บน host
docker run --rm --name deeptutor \
-p 127.0.0.1:3782:3782 -p 127.0.0.1:8001:8001 \
--add-host=host.docker.internal:host-gateway \
-v deeptutor-data:/app/data \
ghcr.io/hkuds/deeptutor:latest- Ollama LLM:
http://host.docker.internal:11434/v1 - Ollama embedding:
http://host.docker.internal:11434/api/embed - LM Studio:
http://host.docker.internal:1234/v1 - llama.cpp:
http://host.docker.internal:8080/v1 - Lemonade:
http://host.docker.internal:13305/api/v1
git clone https://github.com/HKUDS/DeepTutor.git
cd DeepTutor
python3 -m venv .venv-cli && source .venv-cli/bin/activate
python -m pip install --upgrade pip
python -m pip install -e ./packaging/deeptutor-cli
deeptutor init --cli
deeptutor chatคำสั่งทั่วไป
deeptutor chat
deeptutor chat --capability deep_solve --tool rag --kb my-kb
deeptutor run chat "Explain Fourier transform"
deeptutor run deep_solve "Solve x^2 = 4" --tool rag --kb my-kb
deeptutor kb create my-kb --doc textbook.pdf
deeptutor memory show
deeptutor config showSandbox การรันโค้ด (office skills)
office skills ที่ติดตั้งมา — docx / pdf / pptx / xlsx — ทำงานโดยให้ model เขียน Python script สั้น ๆ รันผ่านเครื่องมือ exec / code_execution และส่งคืน URL ดาวน์โหลด
sandbox_allow_subprocess ใน data/user/settings/system.json (ค่าเริ่มต้น true) ควบคุม sandbox ตั้งเป็น false หรือ export DEEPTUTOR_SANDBOX_ALLOW_SUBPROCESS=0 เพื่อปิด
เอกสารอ้างอิงการตั้งค่า — ไฟล์การกำหนดค่าภายใต้ data/user/settings/
| ไฟล์ | วัตถุประสงค์ |
|---|---|
model_catalog.json |
โปรไฟล์ provider LLM, embedding และ search; API keys; models ที่ใช้งานอยู่ |
system.json |
พอร์ต backend/frontend, public API base, CORS, SSL, ไดเร็กทอรีไฟล์แนบ |
auth.json |
สวิตช์ auth แบบเสริม, ชื่อผู้ใช้, password hash, การตั้งค่า token/cookie |
integrations.json |
การตั้งค่า PocketBase แบบเสริมและการรวม sidecar |
interface.json |
ความชอบภาษา / ธีม / แถบด้านข้างของ UI |
main.yaml |
ค่าเริ่มต้นพฤติกรรม runtime และการ inject path |
agents.yaml |
การตั้งค่า temperature และ token ของ capability/tool |
เริ่มต้นด้วยพื้นผิวหลักที่คุณจะใช้ทุกวัน: Chat, Partners, My Agents, Co-Writer, Book, Knowledge Center, Learning Space, Memory และ Settings
Chat คือความสามารถเริ่มต้นและสถานที่ที่งานส่วนใหญ่เริ่มต้น thread เดียวสามารถพูดคุยตามปกติ, เรียกเครื่องมือ, อ้างอิงใน knowledge bases ที่เลือก, อ่านไฟล์แนบ, สร้างรูปภาพ, ปรึกษา subagents, เขียน notebook records และดำเนินการต่อด้วยบริบทเดียวกันตลอด turns
ลูปนั้นเรียบง่ายโดยเจตนา: model คิดในรอบ ๆ, เรียกเครื่องมือเมื่อมีประโยชน์, สังเกตผลลัพธ์ และจบด้วยข้อความที่ไม่มีเครื่องมือ ask_user เป็นพิเศษ — แทนที่จะเดา agent สามารถหยุด turn, ถามคำถามชี้แจงที่มีโครงสร้าง และดำเนินการต่อเมื่อคุณตอบ
เครื่องมือที่ผู้ใช้สลับได้: brainstorm, web_search, paper_search, reason, geogebra_analysis รวมถึง imagegen และ videogen เมื่อคุณกำหนดค่าโมเดลสร้างที่ตรงกัน เครื่องมือตามบริบท: rag, read_source, read_memory, write_memory, read_skill, load_tools, exec, web_fetch, ask_user, list_notebook, write_note, github, consult_subagent เมาท์อัตโนมัติเมื่อ turn มีบริบทที่ถูกต้อง
Partners คือเพื่อนถาวรที่มี soul, นโยบาย model, ห้องสมุด, memory และช่องทางของตัวเอง พวกเขาไม่ใช่เอ็นจิน bot แยกต่างหาก: ทุกข้อความ web หรือ IM ที่เข้ามาจะกลายเป็น turn ปกติของ ChatOrchestrator ภายใน workspace ที่มีขอบเขต partner
แต่ละ partner มี SOUL.md, การเลือก model, ช่องทาง, นโยบายเครื่องมือ และห้องสมุดที่กำหนด Knowledge bases, skills และ notebooks ถูกคัดลอกไปยัง data/partners/<id>/workspace/ ดังนั้น RAG, skill, notebook และเครื่องมือ memory เดิมทำงานได้โดยไม่มีกรณีพิเศษ partner อ่าน memory ของเจ้าของแต่เขียนเฉพาะของตัวเอง
ชั้น channel ที่ขับเคลื่อนด้วย schema สามารถเชื่อมต่อกับแพลตฟอร์ม IM ได้แก่ Feishu, Telegram, Slack, DingTalk, QQ/NapCat, WeCom, WhatsApp, Zulip, Matrix และ Microsoft Teams ขึ้นอยู่กับ extras ที่ติดตั้งและ credentials ที่กำหนดค่า
My Agents เปลี่ยน agent อื่น ๆ ให้กลายเป็นบริบทสำหรับ DeepTutor และทำสองสิ่งที่แตกต่างกัน เชื่อมต่อ agent แบบสด — Claude Code หรือ Codex CLI บนเครื่องของคุณ หรือหนึ่งใน Partners ของคุณ — และปรึกษามันจากภายใน chat turn: DeepTutor จริง ๆ รัน agent อื่นและ stream งานเข้าสู่แผง Activity ผ่านเครื่องมือ consult_subagent เลือกด้วย Agent chip (หรือพิมพ์ @) และตั้งค่าจำนวนรอบที่การปรึกษาอาจทำ
นำเข้าบทสนทนาในอดีต — นำประวัติ Claude Code และ Codex ที่มีอยู่ของคุณมาเป็น agent ที่มีชื่อ, ค้นหาได้ และสามารถดำเนินการต่อได้ เลือกวันที่จะนำเข้า การรีเฟรชจะ re-sync ข้อมูล อ้างอิงบทสนทนาที่นำเข้าจาก chat turn ใด ๆ ผ่าน + → My Agents และ DeepTutor จะอ่านมันเป็น transcript ของบุคคลที่สาม
Co-Writer คือ workspace Markdown แบบ split-view สำหรับรายงาน, บทเรียน, บันทึก และ artifacts การเรียนรู้แบบยาว เอกสารบันทึกอัตโนมัติ, แสดงตัวอย่างสด (คณิตศาสตร์ KaTeX, diagram fences) และสามารถบันทึกกลับเข้า notebooks เมื่อร่างกลายเป็นบริบทที่นำมาใช้ซ้ำได้
แนวคิดหลักคือ การแก้ไขแบบผ่าตัด: เลือกช่วงและขอให้ DeepTutor เขียนใหม่, ขยาย หรือย่อ agent การแก้ไขสามารถอ้างอิงใน knowledge base หรือหลักฐานเว็บ, เก็บ trace ของ tool calls และแสดงทุกการเปลี่ยนแปลงเป็น accept/reject diff — ดังนั้นไม่มีอะไรลงจนกว่าคุณจะอนุมัติ
Book แปลงแหล่งที่มาที่เลือกให้เป็น หนังสือมีชีวิต แบบโต้ตอบ — ไม่ใช่ PDF แบบคงที่ แต่เป็นสภาพแวดล้อมการอ่านที่สร้างจาก typed blocks หนังสือสามารถเริ่มจาก knowledge bases, notebooks, question banks หรือประวัติ chat; ขั้นตอนการสร้างจะเสนอ outline บทก่อนที่จะสร้างเนื้อหา
แต่ละบทคอมไพล์เป็น typed blocks — text, callouts, quizzes, flash cards, timelines, code, figures, interactive HTML, animations, concept graphs, deep dives และ user notes — และทุกหน้ามี Page Chat ของตัวเอง Blocks สามารถแก้ไขได้: แทรก, ย้าย, สร้างใหม่ หรือเปลี่ยนประเภทของ block โดยไม่ต้องเขียนบทใหม่
Knowledge bases คือคอลเลกชันเอกสารที่อยู่เบื้องหลัง RAG — รองรับ Chat turns, Co-Writer edits, Book generation และบทสนทนา Partner สิ่งที่โดดเด่นคือ การเลือกเอ็นจิน retrieval: LlamaIndex (ค่าเริ่มต้น, local vector + BM25), PageIndex (hosted, reasoning retrieval พร้อม page-level citations), GraphRAG และ LightRAG (knowledge-graph retrieval) หรือ Obsidian vault ที่เชื่อมโยง KB แต่ละอันถูก indexed โดยเอ็นจินหนึ่ง
เมื่อสร้าง KB คุณ สร้างใหม่ (อัพโหลดเอกสารและสร้าง index ใหม่) หรือ เชื่อมโยงที่มีอยู่ (นำ index ที่สร้างไว้มาใช้ซ้ำ อ่านในที่โดยไม่ต้อง re-index) การ re-indexing จะเขียน directory version-N ใหม่และเก็บอันก่อนหน้าไว้ CLI: deeptutor kb list, info, create, add, search, set-default, delete
Learning Space คือชั้น library และ personalization — ที่ซึ่งสิ่งที่คงอยู่ถาวรอาศัยอยู่ Conversations & Materials เก็บประวัติ chat, notebooks และ question bank (แต่ละคำถามที่บันทึกเก็บคำตอบของคุณ, คำตอบอ้างอิง และคำอธิบาย) Personalization เก็บ mastery paths, personas (พฤติกรรมที่ตั้งค่าล่วงหน้าเช่น peer, research-assistant, teacher) และ skills (SKILL.md playbooks ที่ model อ่านตามต้องการ)
คุณไม่จำเป็นต้องเขียน skill ทุกอันเอง — นำเข้าจาก EduHub จะเรียกดู catalog ชุมชนและดาวน์โหลด skill ตรงเข้า library ผ่านประตูความปลอดภัย (ดู ระบบนิเวศ)
Memory คือระบบไฟล์สามชั้นที่คุณอ่าน, จัดการ และตรวจสอบได้ — โดยเจตนาไม่ใช่ vector store ที่ซ่อนอยู่ L1 คือ workspace mirror พร้อม append-only event trace (trace/<surface>/<date>.jsonl); L2 คือข้อเท็จจริงที่จัดการต่อพื้นผิว (L2/<surface>.md); L3 คือการสังเคราะห์ข้ามพื้นผิว (L3/<profile|recent|scope>.md) เนื่องจาก L2 อ้างอิง L1 และ L3 อ้างอิง L2 ไม่มีอะไรในโปรไฟล์ของคุณที่ตรวจสอบไม่ได้
Memory Graph แสดงพีระมิดทั้งหมด — การสังเคราะห์ L3 ที่ศูนย์กลาง, L2 ในวงกลางกลาง, L1 traces ด้านนอก — เพื่อให้คุณติดตามการอ้างสิทธิ์ที่สังเคราะห์ใด ๆ กลับไปสู่เหตุการณ์ดิบที่แน่นอน Memory ถูกติดตามใน surfaces: chat, notebook, quiz, kb, book, partner และ cowriter; งบประมาณ Update / Audit / Dedup ของ consolidator ปรับได้ใน Settings → Memory
Settings คือ control plane การดำเนินงาน พร้อม live status strip (Backend, LLM, Embedding, Search) และหนึ่งการ์ดต่อพื้นที่: Appearance (ธีม + ภาษา UI), Network (API base, ports, CORS), Models (LLM, Embedding, Search, Text-to-Speech, Speech-to-Text, Image Generation, Video Generation), Knowledge Base (เอ็นจินการแยกวิเคราะห์เอกสาร), Chat (เครื่องมือ, MCP servers, พารามิเตอร์ต่อความสามารถ), Partners & Agents (subagents ที่คุณปรึกษาได้จาก turn) และ Memory (งบประมาณของ consolidator)
ส่วนส่วนใหญ่ใช้ draft-and-apply flow เพื่อให้คุณทดสอบ provider ก่อนยืนยัน ธีมสี่แบบมาในกล่อง — Default, Cream, Dark และ Glass ไฟล์ .env ที่ root ของโปรเจกต์ถูกเพิกเฉยโดยเจตนา; การกำหนดค่า runtime อยู่ใน data/user/settings/*.json
binary deeptutor เดียว, สองวิธีเข้า: REPL แบบโต้ตอบสำหรับคนที่อยู่ใน terminal และ JSON ที่มีโครงสร้างสำหรับ agents อื่น ๆ ที่ขับเคลื่อน DeepTutor เป็นเครื่องมือ ความสามารถ, เครื่องมือ และ knowledge bases เหมือนกันทั้งสองแบบ
deeptutor chat # interactive REPL
deeptutor chat --capability deep_solve --kb my-kb --tool rag
deeptutor run chat "Explain the Fourier transform" --tool rag --kb textbook
deeptutor run deep_research "Survey 2026 papers on RAG" \
--config mode=report --config depth=standardการอ้างอิงคำสั่ง
| คำสั่ง | คำอธิบาย |
|---|---|
deeptutor init |
สร้างหรืออัพเดต data/user/settings สำหรับ workspace ปัจจุบัน |
deeptutor start [--home PATH] |
เปิดตัว backend + frontend ด้วยกัน |
deeptutor serve [--port PORT] |
เริ่มเฉพาะ FastAPI backend |
deeptutor run <capability> <message> |
รัน capability turn เดียว (chat, deep_solve, deep_question, deep_research, visualize, math_animator, mastery_path); เพิ่ม --format json สำหรับ NDJSON output |
deeptutor chat |
Interactive REPL พร้อม capability, tool, KB, notebook และ history controls |
deeptutor partner list/create/start/stop |
จัดการ partners ที่เชื่อมต่อผ่าน IM |
deeptutor kb list/info/create/add/search/set-default/delete |
จัดการ knowledge bases LlamaIndex |
deeptutor skill search/install/list/remove/login/publish/update |
จัดการทักษะ ติดตั้งจากฮับ และเผยแพร่ของคุณเอง (eduhub:<slug> โดยค่าเริ่มต้น ดู Ecosystem) |
deeptutor memory show/clear |
ตรวจสอบ L2/L3 memory docs หรือล้าง L1/all memory |
deeptutor session list/show/open/rename/delete |
จัดการ shared sessions |
deeptutor notebook list/create/show/add-md/replace-md/remove-record |
จัดการ notebooks จากไฟล์ Markdown |
deeptutor book list/health/refresh-fingerprints |
ตรวจสอบ books และรีเฟรช source fingerprints |
deeptutor plugin list/info |
ตรวจสอบเครื่องมือและ capabilities ที่ลงทะเบียน |
deeptutor config show |
พิมพ์สรุปการกำหนดค่า |
deeptutor provider login <provider> |
Provider auth (OAuth login สำหรับ openai-codex; github-copilot ตรวจสอบ session auth Copilot ที่มีอยู่) |
การยืนยันตัวตนเป็นแบบเสริมและ ปิดอยู่โดยค่าเริ่มต้น — DeepTutor ทำงานแบบผู้ใช้คนเดียว เปิดใช้งานและ tree data/ หนึ่งจะโฮสต์ workspace ของ admin, workspace ต่อผู้ใช้แบบแยกส่วน และ workspace ของ partner ไว้ด้วยกัน:
data/
├── user/ # Workspace และการตั้งค่าของ Admin
├── users/<uid>/ # ขอบเขตผู้ใช้: ประวัติ chat, memory, notebooks, KBs
│ ├── user/chat_history.db
│ ├── user/settings/interface.json
│ ├── user/workspace/{chat,co-writer,book,memory,notebook,...}
│ └── knowledge_bases/...
├── partners/<id>/workspace/ # ขอบเขต partner (synthetic-user)
└── system/
├── auth/users.json
├── grants/<uid>.json
└── audit/usage.jsonl
ผู้ใช้คนแรกที่ลงทะเบียนจะกลายเป็น admin และเป็นเจ้าของ model catalogs, provider credentials, shared knowledge bases, skills และ per-user grants ลงทะเบียน admin คนแรกที่ /register จากนั้นสร้างผู้ใช้จาก /admin/users
DeepTutor skills ใช้รูปแบบ Agent-Skills แบบเปิด — โฟลเดอร์ที่มี SKILL.md playbook (YAML frontmatter + Markdown) และไฟล์อ้างอิงแบบเสริม DeepTutor มาพร้อมกับ EduHub — registry ทักษะที่เน้นการศึกษาของเรา — เชื่อมต่อเป็นฮับเริ่มต้น
EduHub — ระบบนิเวศทักษะของ DeepTutor
EduHub คือ community hub ที่ DeepTutor เปิดตัวสำหรับแชร์ agent skills เชิงสอน — Socratic tutors, flashcard builders, essay feedback, exam blueprints, concept explainers และอื่น ๆ อีกมาก มันถูกสร้างเข้า DeepTutor ดังนั้นไม่มีอะไรต้องกำหนดค่า: slug เปล่าหรือ prefix eduhub: จะ resolve ไปยังมัน
ค้นหาและติดตั้ง — ในเบราว์เซอร์ เปิด Learning Space → Skills → นำเข้าจาก EduHub เพื่อเรียกดู catalog และดาวน์โหลด skill ตรงเข้า library จาก terminal:
deeptutor skill search "socratic tutor" # ค้นหา EduHub (ฮับเริ่มต้น)
deeptutor skill install socratic-tutor # fetch → verify → register
deeptutor skill install eduhub:socratic-tutor@1.2.0 # ระบุ hub และเวอร์ชัน
deeptutor skill list # skills ในเครื่องพร้อม hub provenanceเผยแพร่ของคุณเอง — แพ็ค SKILL.md และแชร์กลับสู่ชุมชน:
deeptutor skill login # browser sign-in ไปยัง EduHub
deeptutor skill publish ./my-skill # interactive: เลือก track + tags แล้วอัพโหลด
deeptutor skill update # rollback หรือ release เวอร์ชันใหม่EduHub ยังเป็น registry แบบ standalone ที่เข้ากันได้กับ ClawHub ดังนั้น agents ที่ไม่ใช่ DeepTutor (Claude Code, Codex, …) สามารถใช้มันโดยตรงผ่าน CLI eduhub — npx eduhub install socratic-tutor
ประตูความปลอดภัยในการนำเข้า
ไม่ว่าแหล่งที่มาจะเป็นอะไร ทุกการนำเข้าจะผ่าน ประตูความปลอดภัยเดียวกัน ก่อนที่อะไรจะแตะ workspace ของคุณ:
- security verdict ของ registry จะถูกตรวจสอบก่อน — แพ็คเกจที่ถูกตั้งค่าสถานะจะถูกปฏิเสธเว้นแต่คุณจะส่ง
--allow-unverified - archives จะถูก extract อย่างระมัดระวัง (ป้องกัน zip-slip / zip-bomb) หลัง suffix whitelist แบบ text/script ดังนั้น binaries จะไม่ลงใน workspace เลย
- frontmatter จะถูก normalize เป็น schema ของ DeepTutor และ
always:จะถูก ลบออก ดังนั้น skill ที่ดาวน์โหลดมาไม่สามารถบังคับตัวเองเข้าสู่ system prompt ทุกอัน - provenance — hub, version, verdict และเวลาติดตั้ง — จะถูกเขียนลง
.hub-lock.jsonสำหรับการตรวจสอบและอัพเดต
รองรับ ClawHub ด้วย (--hub clawhub)
เนื่องจาก DeepTutor พูดรูปแบบ Agent-Skills แบบเปิด ClawHub ทำงานเป็นแหล่งระดับ first-class ด้วย — มันถูกสร้างเข้าพร้อมกับ EduHub เลือกด้วย hub prefix:
deeptutor skill search "git release notes" --hub clawhub
deeptutor skill install clawhub:git-release-notes@1.0.1เพิ่ม registries เพิ่มเติมใน settings/skill_hubs.json: entry type: "clawhub" ชี้ไปที่ HTTP API ที่เข้ากันได้ใด ๆ, type: "command" ห่อ CLI ที่ registry ส่งมา และ "default" เลือกฮับที่ใช้สำหรับ slugs เปล่า ทั้งหมดนี้ป้อนข้อมูลผ่านประตูนำเข้าเดียวกัน
DeepTutor คือโปรเจกต์โอเพนซอร์สที่นำโดย Bingxi Zhao ภายในกลุ่ม HKUDS และพัฒนาใน รูปแบบโอเพนซอร์สอย่างสมบูรณ์ สร้างร่วมกับชุมชน จนถึงปัจจุบัน เรา ไม่มี ผลิตภัณฑ์ออนไลน์แบบชำระเงินในรูปแบบใด ๆ ติดต่อได้ที่ bingxizhao39@gmail.com สำหรับการสนทนา, ไอเดีย หรือการร่วมมือ
ขอบคุณอย่างจริงใจถึง Chao Huang, ผู้อำนวยการ Data Intelligence Lab @ HKU และเพื่อน ๆ ใน HKUDS lab สำหรับการสนับสนุนอย่างอบอุ่น — โดยเฉพาะ Jiahao Zhang, Zirui Guo และ Xubin Ren เรายังขอบคุณอย่างสุดซึ้งถึง ชุมชนโอเพนซอร์ส: stars, issues, pull requests และ discussions ของคุณกำหนดรูปร่าง DeepTutor ทุกวัน
DeepTutor ยังยืนอยู่บนไหล่ของโปรเจกต์โอเพนซอร์สที่โดดเด่นที่ให้ทั้งเครื่องมือและแรงบันดาลใจแก่เรา:
| โปรเจกต์ | บทบาท / แรงบันดาลใจ |
|---|---|
| LlamaIndex | กระดูกสันหลังของ RAG pipeline และการ indexing เอกสาร |
| nanobot | Ultra-lightweight agent engine ที่ขับเคลื่อน TutorBot ดั้งเดิม (HKUDS) |
| LightRAG | RAG ที่ง่ายและเร็ว (HKUDS) |
| AutoAgent | Zero-code agent framework (HKUDS) |
| AI-Researcher | Pipeline การวิจัยอัตโนมัติ (HKUDS) |
| OpenClaw | Open agent gateway และ skill ecosystem เบื้องหลัง ClawHub |
| Codex | Agent-native coding CLI ที่เป็นแรงบันดาลใจให้ CLI workflow ของเรา |
| Claude Code | Agentic coding CLI ที่เป็นแรงบันดาลใจให้ DeepTutor agent loop |
| ManimCat | การสร้าง animation คณิตศาสตร์ที่ขับเคลื่อนด้วย AI สำหรับ Math Animator |
เราต้องการให้ DeepTutor พัฒนาและปรับปรุงต่อเนื่อง — และสุดท้ายกลายเป็นของขวัญที่เรามอบคืนสู่ชุมชนโอเพนซอร์ส roadmap ของเราอัพเดตต่อเนื่อง โหวตรายการที่นั่นหรือเสนอรายการใหม่ หากต้องการมีส่วนร่วม ดู คู่มือการมีส่วนร่วม สำหรับกลยุทธ์ branching มาตรฐานโค้ด และวิธีเริ่มต้น
เราหวังว่า DeepTutor จะกลายเป็นของขวัญสำหรับชุมชน 🎁