DeepTutor je open-source AI výukový asistent, za kterým stojí Data Intelligence Lab na Hongkongské univerzitě (HKUDS). Projekt vznikl jako součást širšího ekosystému nástrojů stejné laboratoře — mezi příbuzné projekty patří LightRAG nebo AI-Researcher. Repozitář byl spuštěn 29. prosince 2025 a za první měsíc nasbíral přes 10 000 hvězdiček na GitHubu, aktuálně přes 10 300 s více než 1 400 forky a 25 přispěvateli. Licence je AGPL-3.0.
Nástroj umožňuje nahrát libovolné dokumenty — učebnice, výzkumné papíry, technické manuály — a vybudovat z nich znalostní bázi, se kterou pak pracuje sada specializovaných AI agentů. Jádrem je tzv. dual-loop architektura pro řešení problémů: Analysis Loop analyzuje dotaz a Solve Loop generuje odpovědi s přesnými citacemi. Nad tím stojí modul Deep Research (DR-in-KG), který rozkládá téma na podtémata, prohledává webové zdroje, akademické databáze i lokální znalostní bázi a generuje strukturovanou zprávu. Další moduly zahrnují generátor cvičení (vlastní otázky nebo napodobení stylu konkrétní zkoušky), Guided Learning s interaktivními HTML vizualizacemi a Co-Writer s podporou TTS narace. Celý systém se dá spustit lokálně přes Docker, výukový obsah tak zůstává pod kontrolou uživatele.
DeepTutor podporuje paralelní zpracování výzkumných témat — ve výchozím nastavení až 5 souběžných úloh přes asyncio.Semaphore. Výzkumný modul nabízí čtyři režimy: quick (1–2 podtémata), medium (5 podtémat, 4 iterace), deep (8 podtémat, 7 iterací) a auto, kde hloubku rozhoduje agent sám. Znalostní báze využívá hybridní RAG pipeline s knowledge grafem postaveným na LightRAG. Konkrétní benchmarky kvality výstupů projekt zatím nepublikoval.
Zdroje
