大模型不联网也能跑DeepTutor 本地部署与离线学习指南【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor学习资料传到云端 API隐私风险一直悬着。DeepTutor 是一套 agent 架构的 AI 学习助手接上 Ollama 本地模型后聊天、知识库、写作、记忆这些核心功能可以全部离线跑。读完这篇你会知道它怎么装、本地模型怎么配、哪些功能对你真的有用。为什么是它完全离线断网也能完整使用模型、向量索引、记忆文件全部落在本机。配好 Ollama 后Chat 问答、知识库检索、Co-Writer 协作这些主线功能不依赖任何云端服务学习记录也不出这台机器。一个运行时换目标不换引擎聊天、出题Quiz、解题Solve、深度调研Research、可视化Visualize、掌握度路径Mastery Path按你的答题情况生成学习计划都跑在同一个 agent loop 上。你在聊天里挂上的知识库、人设、模型换个功能继续有效上下文跟着你走。记忆可审计不是黑盒多数工具的记忆是查不到的向量库DeepTutor 的记忆是分层文件L1 原始事件轨迹、L2 分场景事实、L3 跨场景合成且 L2 引用 L1、L3 引用 L2。它对你的每个结论你都能翻到出处。快速跑通第 1 步装好运行时环境需要 Python 3.11–3.13 和 Node.js 20打包的前端服务器会用它。装法很简单mkdir -p my-deeptutor cd my-deeptutor pip install -U deeptutor卡住了看 README 的 Get Started 章节Docker 部署方式在 CONTAINERIZATION.md。第 2 步配好 Ollama 本地模型先让 Ollama 服务起来并拉一个模型ollama serve ollama pull qwen2.5然后初始化 DeepTutor它会交互式问你端口、LLM 提供商、模型deeptutor init选ollamaBase URL 填http://127.0.0.1:11434/v1模型名与ollama list输出一致。如果要用知识库/RAG再顺手配一个 embedding 模型如nomic-embed-text接口http://127.0.0.1:11434/api/embed不用知识库可以跳过。之后也可以随时在Settings → Models里改支持 draft-and-apply先测试再提交。第 3 步启动并打开页面deeptutor start后端和前端一起起来浏览器打开终端打印的地址默认http://127.0.0.1:3782。停服回终端按CtrlC。如果init时没配模型应用也会带默认端口启动你进Settings → Models补配置即可。能力拆解Chat 工作区 —— 你的日常学习问答默认功能也是大多数工作的起点。一条会话里可以同时挂工具、挂知识库、传附件、问子 agent上下文跨轮保留。模型按轮思考、按需调工具卡住时会用ask_user停下来反问而不是瞎猜聊天里可直接发起出题、调研、可视化、解题等更深的功能网页、论文搜索、脑暴等工具由你开关知识中心 —— 让 AI 基于你的资料回答知识库是 RAG检索增强生成简单说就是 AI 先翻你的资料再作答背后的文档集合支撑 Chat、Co-Writer、Book、Partners 的落地回答。多种检索引擎可选本地默认的 LlamaIndex向量 BM25、GraphRAG、LightRAG 等每个库绑定一种支持新建索引或直接链接已有的 Obsidian 库原地读写、不重复建索引重索引写新版本目录不会毁掉正在用的旧索引Co-Writer —— 选区级写作协作分栏 Markdown 工作区写报告、讲义、长笔记用它。选中一段文字让它改写、扩写或压缩改动以 diff 呈现接受或拒绝由你编辑可以挂知识库或网页证据工具调用留痕文档自动保存、实时预览含 KaTeX 公式可存回笔记本复用Memory —— 可审计的个性化文件化的三层记忆系统可读、可整理、可审计。L1 是工作区镜像加只追加的事件轨迹L2 是按场景提炼的事实L3 是跨场景合成Memory Graph 把三层画成一张图任何合成结论都能追到原始事件记忆覆盖 chat、quiz、book、知识库、Co-Writer 等场景参数在Settings → Memory调Book —— 把资料编译成交互式教材从知识库、笔记本、题库或聊天记录生成活书不是静态 PDF。生成前先给章节大纲你确认结构再写内容每章编译成文本、测验、卡片、时间线、代码、交互 HTML、动画等类型化块可单独增删和换类型每页带 Page Chat就着那一页提问踩坑与调优Ollama 连不上先跑ollama list确认服务和模型都在。再看 Base URL本地直装填http://127.0.0.1:11434/v1注意别漏/v1Docker 里localhost指向容器自己要改用http://host.docker.internal:11434/v1Linux 上启动时加--add-hosthost.docker.internal:host-gateway详见 CONTAINERIZATION.md。改完在 Settings 里保存并测试连接状态条显示就绪即解决。本地模型慢得离谱这是推理硬件的问题不是死机——本地服务的超时默认放到 5 分钟。想快就换更小的模型ollama pull qwen2.5:7b这类 7B 级或者关掉浏览器其他重负载页面。聊天流式输出时首 token 慢是正常的长任务别急着刷新。知识库建了但检索不到东西最常见的原因是没配 embedding 模型——deeptutor init时 embedding 是可选的选了 off 就没有向量索引。去Settings → Models补一个 embedding 配置Ollama 的nomic-embed-text即可然后重建索引。个别文档解析失败可以单独移除不用删库重建。前端打不开或端口冲突deeptutor init时可以改端口默认前端 3782、后端 8001被占用就换一个。开发模式卡住时终端会打印占用的进程停掉后重试Next.js 的 lock 文件残留也会导致假死按 README 里 Stuck dev server 一节处理。下一步DeepTutor 的定位很直接把 AI 学习助手整体搬到本机隐私和功能都不打折。两个具体的下一步——去Settings → Models再拉一个 Ollama 模型对比效果或者在Knowledge Center建第一个知识库把你手头的教材喂进去试试 RAG。【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 大模型不联网也能跑：DeepTutor 本地部署与离线学习指南
大模型不联网也能跑DeepTutor 本地部署与离线学习指南【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor学习资料传到云端 API隐私风险一直悬着。DeepTutor 是一套 agent 架构的 AI 学习助手接上 Ollama 本地模型后聊天、知识库、写作、记忆这些核心功能可以全部离线跑。读完这篇你会知道它怎么装、本地模型怎么配、哪些功能对你真的有用。为什么是它完全离线断网也能完整使用模型、向量索引、记忆文件全部落在本机。配好 Ollama 后Chat 问答、知识库检索、Co-Writer 协作这些主线功能不依赖任何云端服务学习记录也不出这台机器。一个运行时换目标不换引擎聊天、出题Quiz、解题Solve、深度调研Research、可视化Visualize、掌握度路径Mastery Path按你的答题情况生成学习计划都跑在同一个 agent loop 上。你在聊天里挂上的知识库、人设、模型换个功能继续有效上下文跟着你走。记忆可审计不是黑盒多数工具的记忆是查不到的向量库DeepTutor 的记忆是分层文件L1 原始事件轨迹、L2 分场景事实、L3 跨场景合成且 L2 引用 L1、L3 引用 L2。它对你的每个结论你都能翻到出处。快速跑通第 1 步装好运行时环境需要 Python 3.11–3.13 和 Node.js 20打包的前端服务器会用它。装法很简单mkdir -p my-deeptutor cd my-deeptutor pip install -U deeptutor卡住了看 README 的 Get Started 章节Docker 部署方式在 CONTAINERIZATION.md。第 2 步配好 Ollama 本地模型先让 Ollama 服务起来并拉一个模型ollama serve ollama pull qwen2.5然后初始化 DeepTutor它会交互式问你端口、LLM 提供商、模型deeptutor init选ollamaBase URL 填http://127.0.0.1:11434/v1模型名与ollama list输出一致。如果要用知识库/RAG再顺手配一个 embedding 模型如nomic-embed-text接口http://127.0.0.1:11434/api/embed不用知识库可以跳过。之后也可以随时在Settings → Models里改支持 draft-and-apply先测试再提交。第 3 步启动并打开页面deeptutor start后端和前端一起起来浏览器打开终端打印的地址默认http://127.0.0.1:3782。停服回终端按CtrlC。如果init时没配模型应用也会带默认端口启动你进Settings → Models补配置即可。能力拆解Chat 工作区 —— 你的日常学习问答默认功能也是大多数工作的起点。一条会话里可以同时挂工具、挂知识库、传附件、问子 agent上下文跨轮保留。模型按轮思考、按需调工具卡住时会用ask_user停下来反问而不是瞎猜聊天里可直接发起出题、调研、可视化、解题等更深的功能网页、论文搜索、脑暴等工具由你开关知识中心 —— 让 AI 基于你的资料回答知识库是 RAG检索增强生成简单说就是 AI 先翻你的资料再作答背后的文档集合支撑 Chat、Co-Writer、Book、Partners 的落地回答。多种检索引擎可选本地默认的 LlamaIndex向量 BM25、GraphRAG、LightRAG 等每个库绑定一种支持新建索引或直接链接已有的 Obsidian 库原地读写、不重复建索引重索引写新版本目录不会毁掉正在用的旧索引Co-Writer —— 选区级写作协作分栏 Markdown 工作区写报告、讲义、长笔记用它。选中一段文字让它改写、扩写或压缩改动以 diff 呈现接受或拒绝由你编辑可以挂知识库或网页证据工具调用留痕文档自动保存、实时预览含 KaTeX 公式可存回笔记本复用Memory —— 可审计的个性化文件化的三层记忆系统可读、可整理、可审计。L1 是工作区镜像加只追加的事件轨迹L2 是按场景提炼的事实L3 是跨场景合成Memory Graph 把三层画成一张图任何合成结论都能追到原始事件记忆覆盖 chat、quiz、book、知识库、Co-Writer 等场景参数在Settings → Memory调Book —— 把资料编译成交互式教材从知识库、笔记本、题库或聊天记录生成活书不是静态 PDF。生成前先给章节大纲你确认结构再写内容每章编译成文本、测验、卡片、时间线、代码、交互 HTML、动画等类型化块可单独增删和换类型每页带 Page Chat就着那一页提问踩坑与调优Ollama 连不上先跑ollama list确认服务和模型都在。再看 Base URL本地直装填http://127.0.0.1:11434/v1注意别漏/v1Docker 里localhost指向容器自己要改用http://host.docker.internal:11434/v1Linux 上启动时加--add-hosthost.docker.internal:host-gateway详见 CONTAINERIZATION.md。改完在 Settings 里保存并测试连接状态条显示就绪即解决。本地模型慢得离谱这是推理硬件的问题不是死机——本地服务的超时默认放到 5 分钟。想快就换更小的模型ollama pull qwen2.5:7b这类 7B 级或者关掉浏览器其他重负载页面。聊天流式输出时首 token 慢是正常的长任务别急着刷新。知识库建了但检索不到东西最常见的原因是没配 embedding 模型——deeptutor init时 embedding 是可选的选了 off 就没有向量索引。去Settings → Models补一个 embedding 配置Ollama 的nomic-embed-text即可然后重建索引。个别文档解析失败可以单独移除不用删库重建。前端打不开或端口冲突deeptutor init时可以改端口默认前端 3782、后端 8001被占用就换一个。开发模式卡住时终端会打印占用的进程停掉后重试Next.js 的 lock 文件残留也会导致假死按 README 里 Stuck dev server 一节处理。下一步DeepTutor 的定位很直接把 AI 学习助手整体搬到本机隐私和功能都不打折。两个具体的下一步——去Settings → Models再拉一个 Ollama 模型对比效果或者在Knowledge Center建第一个知识库把你手头的教材喂进去试试 RAG。【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