Was ist DeepTutor?
DeepTutor stammt vom Data Intelligence Lab der University of Hong Kong (HKUDS), der Gruppe hinter LightRAG und nanobot, und ist in einem arXiv-Preprint vom April 2026 beschrieben. Es ist ein Lernarbeitsplatz und kein einzelner Chatbot: Chat, Quiz, Research, Solve, Visualize, Mastery Path, Immersive Reading und Video Lesson teilen sich eine Agentenschleife, den Sitzungskontext und ein dreischichtiges Gedächtnis dessen, was der Lernende getan hat, gespeichert als lesbare Dateien.
Technisch ist es ein Python-Backend (FastAPI) mit einem Next.js-Frontend, installiert aus PyPI als deeptutor[full], aus dem Quellcode oder als ein einzelnes Docker-Image. Wissensdatenbanken können zehn Retrieval-Backends nutzen, von LlamaIndex und PageIndex bis zu GraphRAG, LightRAG, Kiwix-Archiven und einem verknüpften Obsidian-Vault. Dauerhafte Partners bringen den Tutor auf 13 Chatplattformen, von Telegram und Slack bis WeCom und Microsoft Teams, und die CLI streamt JSON, damit andere Agenten sie steuern können.
Das Repository wurde im Dezember 2025 angelegt, steht unter Apache-2.0, hat rund 52.700 GitHub-Sterne und ist bei v1.7.1 (31. Oktober 2026). Laut README hat das Team kein kostenpflichtiges Online-Produkt.
Lohnt sich DeepTutor?
DeepTutor ist nach unserer Lektüre das vollständigste selbst gehostete Tutorsystem, und seine Schwachstelle ist das Tempo, mit dem es entstanden ist. Zwischen dem 1. September und dem 31. Oktober 2026 erschienen 15 Releases, von v1.6.3 bis v1.7.1, nachdem im April rund 200.000 Zeilen neu geschrieben worden waren. Das Ergebnis ist ein Arbeitsplatz, der Antworten auf deine eigenen Dokumente stützt, daraus Quizze und strukturierte Bücher erzeugt, falsch beantwortete Fragen zur verteilten Wiederholung einplant und Karteikarten nach Anki exportiert.
Zwei Designentscheidungen heben es ab. Das Gedächtnis besteht aus drei Schichten einfacher Dateien, rohen Ereignisprotokollen, kuratierten Fakten und einem fächerübergreifenden Profil, die ein Administrator oder Lernender öffnen, bearbeiten und in einem Graphen prüfen kann, statt aus einem undurchsichtigen Vektorspeicher. Und das Retrieval wählt man pro Bibliothek aus zehn Engines, mit einem Befehl deeptutor kb eval, der sie an deinem eigenen Fragenkatalog nach Recall@k, nDCG und MRR bewertet, ohne dass ein Modell als Richter dient. Wenige Konkurrenten lassen dich messen, welches Retrieval bei deinem Material funktioniert.
Die Voreinstellungen passen zu einer Person mit einem Laptop. Die Authentifizierung ist aus, solange sie nicht in auth.json eingeschaltet wird, und laut Dokumentation akzeptiert das Backend ohne Authentifizierung gewöhnliche Browser-Origins. Der Docker-Befehl bindet Port 3782 an 127.0.0.1, was lokal sicher ist; wer ihn ohne Authentifizierung weiter freigibt, legt jede Funktion, jeden gespeicherten API-Schlüssel und jedes Werkzeug zur Codeausführung offen. Die Anfragefilterung (Ratenlimit, IP-Listen) ist ein optionales Extra und ebenfalls standardmäßig aus. Alles, was du fragst, samt abgerufener Passagen aus deinen Dokumenten, geht an die Anbieter für Modelle, Embeddings, Suche und Sprache, die du einrichtest. Produkttelemetrie haben wir im Repository nicht gefunden, und auf GitHub sind keine Sicherheitshinweise veröffentlicht.
Der Preis ist die Pflege. v1.6.3 war ein inkompatibler Umbau von Frontend und Backend, v1.7.0 teilte das Paket in Module auf und verlangt für das Upgrade die Deinstallation des alten Pakets deeptutor-cli, und die Desktop-Installer sind unsignierte Vorabversionen, die nach sieben Tagen ablaufen. Bei 137 offenen Issues und 95 offenen Pull Requests braucht eine Schule, die es einführt, jemanden, der die Releases verfolgt. Neben OpenMAIC, das ein Thema in eine gestufte Lektion mit KI-Lehrkräften verwandelt, ist DeepTutor der bessere Lernbegleiter auf lange Sicht und das schwerer zu betreibende System.
Wo es sich lohnt
Eine Doktorandin, die sich mit 40 Papers und zwei Lehrbüchern auf ihre Qualifikationsprüfungen vorbereitet
Mit meiner eigenen Leseliste lernen, mit einem Tutor, der sich meine Schwächen merkt
Die PDFs in eine Wissensdatenbank indexieren, in Immersive Reading Fragen mit seitengenauen Zitaten stellen, falsch beantwortete Quizfragen zur verteilten Wiederholung in der Question Bank ablegen und Karteikarten nach Anki exportieren. Die Software ist kostenlos; Kosten entstehen durch Modell- und Embedding-Tokens pro Frage und pro indexiertem Dokument.
Ein IT-Koordinator an einer weiterführenden Schule, der KI-Nachhilfe mit 30 Schülern erprobt
Schülern einen Tutor mit freigegebenen Modellen geben, ohne API-Schlüssel zu verteilen
Das Docker-Image hinter einem Reverse Proxy betreiben, die Authentifizierung in auth.json einschalten, zuerst den Administrator registrieren, dann Learner-Konten mit gesperrten Funktionen anlegen und ihnen bestimmte Modelle und Wissensdatenbanken freigeben; Erziehungsberechtigte können Berichte einsehen. Den optionalen Anfragefilter einschalten und Zeit einplanen, jedes Release vor dem Upgrade zu testen.
Ein ML-Ingenieur, der eine RAG-Pipeline für Kursmaterial baut
Entscheiden, welche Retrieval-Engine bei unseren Dokumenten wirklich funktioniert
Eine JSONL-Datei mit Anfragen und Referenzpassagen schreiben, denselben Korpus in LlamaIndex-, LightRAG- und GraphRAG-Bibliotheken anlegen und sie mit deeptutor kb eval und kb eval-diff vergleichen. Die Metriken werden aus den Rangfolgen berechnet, die Bewertung selbst kostet also keine Modellaufrufe über das Retrieval hinaus.
Bevor du dich festlegst
- Einrichtung
- pip install "deeptutor[full]" unter Python 3.11 bis 3.14 mit Node.js 20.9+, dann deeptutor init und deeptutor start, um 127.0.0.1:3782 zu erreichen; oder ein einziges docker run mit einem benannten Volume. Das Paket deeptutor ohne Extras installiert nur Basis-Chat, CLI und SDK.
- Integrationen
- OpenAI, Anthropic, Gemini, xAI, Mistral, NVIDIA NIM, DashScope, lokal Ollama, LM Studio, llama.cpp und vLLM, dazu Anmeldung über Codex und GitHub Copilot; LlamaIndex, PageIndex, GraphRAG, LightRAG, Obsidian, Zotero und Kiwix; MCP-Dienste sowie Skills von EduHub und ClawHub; Claude Code und Codex als abfragbare Sub-Agenten; 13 Chatplattformen für Partners.
- Daten und Datenschutz
- Einstellungen, API-Schlüssel, Chats, Gedächtnis und Wissensdatenbanken liegen im lokalen Verzeichnis data/ oder im Docker-Volume. Prompts und abgerufener Dokumenttext gehen an die eingerichteten Anbieter. Authentifizierung und Anfragefilter sind standardmäßig aus; importierte Skills durchlaufen eine Sicherheitsprüfung, außer bei --allow-unverified. Keine Telemetrie beschrieben und keine veröffentlichten Sicherheitshinweise.
- Kosten im großen Maßstab
- Keine kostenpflichtige Edition und kein gehosteter Dienst der Maintainer. Die Ausgaben sind die Nutzung von Modellen, Embeddings, Suche und Sprache pro Lernendem plus ein Server; Hardwareanforderungen sind nicht veröffentlicht, und lokale Parsing- oder Embedding-Modelle brauchen mehr Ressourcen.
- Grenzen
- 137 offene Issues und 95 offene Pull Requests; inkompatible Umbauten in v1.6.3 und v1.7.0; die PocketBase-Integration ist nur für einen Nutzer; der Anfragefilter prüft weder WebSocket-Verkehr noch Request-Bodies; Codex OAuth ist experimentell.
Was gut ist
- Tutor, Quizze, Bücher, Lesen und verteiltes Üben an einem Arbeitsplatz
- Gedächtnis als lesbare, bearbeitbare Dateien
- Zehn Retrieval-Engines, mit eingebauter Retrieval-Bewertung
- Apache-2.0, mit einer JSON-streamenden CLI für andere Agenten
Was nicht
- Authentifizierung ist standardmäßig aus
- 15 Releases in zwei Monaten, mit inkompatiblen Upgrades
- Sehr große Oberfläche: viele Module, Anbieter und Extras zu konfigurieren
- Die Desktop-App ist eine unsignierte Vorabversion
Am besten für
Selbstlernende, Forschungsgruppen und Schulen, die einen selbst gehosteten Tutor auf Basis ihrer eigenen Materialien wollen und jemanden haben, der eine schnell wachsende Python- und Node-App aktuell hält.
Alternativen zu DeepTutor
DeepTutor: häufige Fragen
- Lohnt sich DeepTutor?
- DeepTutor ist der umfassendste Open-Source-Tutor, den du selbst hosten kannst, und er ändert sich so schnell, dass jeder Betreiber alle Release Notes lesen sollte. Wir bewerten es mit 4.0 von 5.
- Was kostet DeepTutor?
- Kostenlos und Open Source (Apache-2.0). Nur selbst gehostet; du bezahlst deine Anbieter für Modelle, Embeddings, Suche und Sprache, oder meldest dich über das experimentelle Codex OAuth mit einem ChatGPT-Abo an.
- Welche Nachteile hat DeepTutor?
- Authentifizierung ist standardmäßig aus; 15 Releases in zwei Monaten, mit inkompatiblen Upgrades; Sehr große Oberfläche: viele Module, Anbieter und Extras zu konfigurieren; Die Desktop-App ist eine unsignierte Vorabversion.
- Für wen eignet sich DeepTutor?
- Selbstlernende, Forschungsgruppen und Schulen, die einen selbst gehosteten Tutor auf Basis ihrer eigenen Materialien wollen und jemanden haben, der eine schnell wachsende Python- und Node-App aktuell hält.
- Was kostet DeepTutor für ein Team oder im Produktivbetrieb?
- Keine kostenpflichtige Edition und kein gehosteter Dienst der Maintainer. Die Ausgaben sind die Nutzung von Modellen, Embeddings, Suche und Sprache pro Lernendem plus ein Server; Hardwareanforderungen sind nicht veröffentlicht, und lokale Parsing- oder Embedding-Modelle brauchen mehr Ressourcen.
- Ist DeepTutor sicher für Firmendaten?
- Einstellungen, API-Schlüssel, Chats, Gedächtnis und Wissensdatenbanken liegen im lokalen Verzeichnis data/ oder im Docker-Volume. Prompts und abgerufener Dokumenttext gehen an die eingerichteten Anbieter. Authentifizierung und Anfragefilter sind standardmäßig aus; importierte Skills durchlaufen eine Sicherheitsprüfung, außer bei --allow-unverified. Keine Telemetrie beschrieben und keine veröffentlichten Sicherheitshinweise.
- Was sind die besten Alternativen zu DeepTutor?
- Die nächsten Alternativen, die wir getestet haben, sind OpenMAIC, Khoj und Open Notebook.
Antworten geprüft am 31. Okt. 2026.