DeepTutor：把研究资料编成带章节、自测与页内追问的学习书

读完几篇论文，留下的摘要不少，真正卡住的概念却未必解决。DeepTutor 的 Books 将选定材料组织成章节，再把解释、知识检查题和页内对话放进阅读过程。它适合希望围绕一组资料持续学习的人：输入可以是知识库、整理过的笔记或已有对话，产物是一份能继续阅读、提问和自测的学习书。

官方案例里，章节和问题连在一起

官方 README展示了一本关于 Agentic RAG 的英文学习书。其中一章叫“The Agent OS Architecture”，左侧保留章节目录，正文中嵌有 Quick Check，题目要求读者根据材料辨认 Agent 的交互动作。画面已经展开一个答案及解释，下一题则仍提示读者自己思考后再揭晓。

官方英文案例。绿色选项和下方解释属于项目展示的生成结果，不是本文作答、评分或核验过的学术结论；英文画面也不能证明中文教学效果。可打开原图查看界面细节。

这份材料说明了一个具体的阅读动作：在同一章里，读者从讲解走到检验理解，再回看解释。它没有给出足够原始论文段落，让我们只凭截图确认答案正确。因此可以据此理解学习形式，不能把绿色选项当作准确率证据，更不能把它写成“已做对这道题”的体验。

生成正文之前，目录值得你修改

Books 官方指南给出的顺序是：选择主题和来源，检查生成的章节提案，再开始编译章节。来源可以选知识库、Notebook、题库或聊天历史；章节提案中有随调整更新的成本估计，并可选择生成全部章节或只生成第一章。

这一步影响的不只是篇幅。例如，假设你已有一份关于检索增强生成的中文研读笔记，想补齐“静态检索流程与 Agent 方式有什么区别”，就可以围绕这个问题检查目录：章节是否先交代基础流程，再引入不同方法；是否塞进了尚未准备的强化学习旁支。这个中文学习任务是教学示例，本文没有运行生成，也不承诺其中文答案质量。

先生成一章，是一个可操作的采用判断：看看来源有没有用上、概念解释能否读懂、题目能否回到材料，再决定是否继续整本。成本估计帮助比较计划，并不是最终账单或生成效果保证。

自测与追问，作用于正在读的内容

官方指南将书页拆成不同类型的内容块：文字解释、测验、闪卡、图示、交互组件及动画等。知识检查的答案可以暂时隐藏，页面右侧目录帮助定位长章节；每页还有 Page Chat，用于围绕当前页追问。因此，问题有一个明确落点，不必每次重新粘贴整章内容。

真正值得保留的是这种材料关系：你能指向哪一页、哪一段，说明自己不理解什么；问题得到解释后，再用自测检查是否掌握。动态组件和动画则需要相应生成与运行条件，例如 Manim 动画依赖可选组件，不能把截图里列出的内容类型理解为安装后所有环境都能立即产出。

书页还支持编辑、重生成部分内容及导出 Markdown。知识库变化后，来源指纹可以帮助发现编译材料已经变动，但发现变动不等于所有章节已自动更新正确。长期使用时，应保留原始资料，并对重生成内容重新检查。

一份学习书仍需要学术复核

有引用或页内上下文，能缩小查证范围，不能消除模型编造、错误归纳与出题歧义。公式、推导、论文贡献和参考文献都应回到原材料核对；用于课程作业、研究或正式教学时，学术答案须由学习者或教师复核。自测通过也不能单独证明读者已掌握整个主题。

中文 README 提供了安装和配置说明，系统也有界面及模型输出语言设置；这说明存在中文使用入口，不构成中文专业术语、长文讲解或解题质量的验证。可从自己熟悉的一小份资料开始，优先检查能判断对错的部分，再扩展来源。

本地工作区之外，还要准备模型

DeepTutor 当前是 HKUDS 的开源学习工作区，代码采用 Apache-2.0。这个项目许可不等于附送模型权重、免费推理或免费搜索。官方推荐通过 Docker 等方式启动，在浏览器打开本机 127.0.0.1:3782，再配置模型提供商；中文入门说明给出了路径。

知识库使用还可能需要嵌入与文档解析配置。采用云模型、远程嵌入或解析服务时，相关文本或文件内容会按所选服务参与处理；本地运行应用不能证明全部数据离线。只有确认每一环的实际端点和模型条件，才能判断材料流向及费用。把首份输入控制在一章授权资料，验证目录、讲解、自测与原文之间的联系，是更容易完成的一次开始。