HKUDS 팀의 에이전트형 학습 워크벤치: 질의응답, 문제 풀이, 문제 출제, 연구, 시각화, 정독 및 숙련도 연습을 하나의 런타임에 통합하며, 지식 베이스와 메모리를 기능 간에 공유합니다.
스타 수 45929 (+1598 / 24h)
이유
- 지식 베이스는 LlamaIndex, PageIndex, GraphRAG, LightRAG, Obsidian, Kiwix 등 다양한 엔진을 연결할 수 있으며 버전 관리를 지원합니다
- Reading 기능에서 YouTube 또는 Bilibili 링크를 추가하여 자막 기반 검색, 타임스탬프별 질의응답 및 메모 작성이 가능합니다
- 채팅 중 Claude Code, Codex, Grok CLI, Kimi, DeepSeek 등의 에이전트를 하위 에이전트로 호출할 수 있으며, 3단계 메모리(L1 흔적, L2 요약, L3 종합)를 확인하고 편집할 수 있습니다
- 최신 안정 버전 v1.6.15 (10월 19일)에는 학습 경로 검토, 그룹 평가, Gemini 네이티브 음성 등이 추가되었으며, arXiv 논문 2604.26962이 있습니다
사용법
- 가장 빠른 체험: docker run --rm -p 127.0.0.1:3782:3782 -v deeptutor-data:/app/data ghcr.io/hkuds/deeptutor:latest 실행 후, http://127.0.0.1:3782에서 Settings → Providers를 통해 모델을 설정하세요
- 로컬 설치: pip install -U deeptutor 실행 후, deeptutor init으로 포트 및 모델 서비스를 선택하고 deeptutor start로 시작합니다 (Python 3.11–3.14 및 Node.js 20+ 필요)
- 또한 README에 제공된 프롬프트를 Codex / Claude Code에 전달하여 에이전트가 docs-for-user/AGENT_SETUP.md에 따라 설치하도록 할 수 있습니다
리스크
- 자체적인 대규모 언어 모델 API 키가 필요하며, 지식 베이스 검색을 위해 임베딩 모델이, 웹 검색을 위해 검색 서비스가 추가로 필요합니다
- 기능이 매우 방대하고 업데이트가 빈번하여(거의 매주 한 번의 버전) 업그레이드 시 호환성 문제를 주의해야 하며, 라이선스는 Apache-2.0입니다