¿Qué es DeepTutor?
DeepTutor procede del Data Intelligence Lab de la Universidad de Hong Kong (HKUDS), el grupo que está detrás de LightRAG y nanobot, y se describe en un preprint de arXiv de abril de 2026. Es un espacio de aprendizaje y no un simple chatbot: Chat, Quiz, Research, Solve, Visualize, Mastery Path, Immersive Reading y Video Lesson comparten un mismo bucle de agente, el contexto de la sesión y una memoria de tres capas con lo que ha hecho el estudiante, guardada en archivos legibles.
Es un backend en Python (FastAPI) con un frontend en Next.js, que se instala desde PyPI como deeptutor[full], desde el código fuente o como una única imagen de Docker. Las bases de conocimiento pueden usar diez motores de recuperación, desde LlamaIndex y PageIndex hasta GraphRAG, LightRAG, archivos de Kiwix y una bóveda de Obsidian enlazada. Los Partners persistentes llevan el tutor a 13 plataformas de chat, de Telegram y Slack a WeCom y Microsoft Teams, y la CLI emite JSON en streaming para que otros agentes la controlen.
El repositorio se creó en diciembre de 2025, tiene licencia Apache-2.0, unas 52.700 estrellas en GitHub y está en la v1.7.1 (31 de octubre de 2026). El README indica que el equipo no tiene ningún producto de pago en línea.
¿Merece la pena DeepTutor?
DeepTutor es el sistema de tutoría autoalojado más completo de los que hemos leído, y su punto débil es el ritmo que lo ha construido. Entre el 1 de septiembre y el 31 de octubre de 2026 publicó 15 versiones, de la v1.6.3 a la v1.7.1, tras reescribir unas 200.000 líneas en abril. El resultado es un espacio de trabajo que basa las respuestas en tus propios documentos, genera a partir de ellos cuestionarios y libros estructurados, programa repasos espaciados de las preguntas falladas y exporta tarjetas a Anki.
Dos decisiones de diseño lo distinguen. La memoria son tres capas de archivos de texto, trazas de eventos en bruto, hechos depurados y un perfil que cruza asignaturas, que un administrador o un estudiante puede abrir, editar y auditar en un grafo, en lugar de un almacén vectorial opaco. Y la recuperación se elige por biblioteca entre diez motores, con un comando deeptutor kb eval que los puntúa contra tu propio conjunto de preguntas en Recall@k, nDCG y MRR sin que ningún modelo actúe como juez. Pocos rivales te permiten medir qué recuperación funciona con tu material.
Los valores por defecto están pensados para una persona con un portátil. La autenticación está desactivada salvo que se active en auth.json, y la documentación dice que, sin autenticación, el backend acepta los orígenes de navegador habituales. El comando de Docker enlaza el puerto 3782 a 127.0.0.1, lo que es seguro en local; publicarlo más allá sin autenticación expone todas las funciones, las claves de API guardadas y las herramientas de ejecución de código. El filtrado de peticiones (límite de frecuencia, listas de IP) es un extra opcional que también viene desactivado. Todo lo que preguntas, junto con los fragmentos recuperados de tus documentos, va a los proveedores de modelos, embeddings, búsqueda y voz que configures. No encontramos telemetría del producto en el repositorio, y no hay avisos de seguridad publicados en GitHub.
El coste es el mantenimiento. La v1.6.3 fue una refactorización incompatible del frontend y el backend, la v1.7.0 dividió el paquete en módulos y obliga a desinstalar el antiguo paquete deeptutor-cli para actualizar, y los instaladores de escritorio son versiones preliminares sin firmar que caducan a los siete días. Con 137 incidencias abiertas y 95 pull requests abiertas, un centro educativo que lo adopte necesita un responsable que siga las versiones. Frente a OpenMAIC, que convierte un tema en una lección por etapas con profesores de IA, DeepTutor es mejor compañero de estudio a largo plazo y el sistema más pesado de mantener en marcha.
Dónde se gana su sitio
Una estudiante de doctorado que prepara sus exámenes de cualificación con 40 artículos y dos manuales
Estudiar mi propia lista de lecturas con un tutor que recuerde mis puntos débiles
Indexar los PDF en una base de conocimiento, hacer preguntas con citas enlazadas a la página en Immersive Reading, archivar las preguntas falladas en el Question Bank para repasarlas de forma espaciada y exportar tarjetas a Anki. El software es gratuito; el coste son los tokens de modelo y de embeddings por pregunta y por documento indexado.
Un coordinador de TI de un instituto que prueba la tutoría con IA con 30 alumnos
Dar a los alumnos un tutor con modelos aprobados sin repartir claves de API
Ejecutar la imagen de Docker detrás de un proxy inverso, activar la autenticaci ón en auth.json, registrar primero al administrador y después crear cuentas Learner con funciones bloqueadas y concederles modelos y bases de conocimiento concretos; los tutores legales pueden ver informes. Activar el filtro de peticiones opcional y reservar tiempo para probar cada versión antes de actualizar.
Un ingeniero de ML que construye un pipeline RAG para material de cursos
Decidir qué motor de recuperación funciona de verdad con nuestros documentos
Escribir un archivo JSONL con consultas y pasajes de referencia, crear el mismo corpus en bibliotecas de LlamaIndex, LightRAG y GraphRAG, y compararlas con deeptutor kb eval y kb eval-diff. Las métricas se calculan a partir de las clasificaciones, así que la puntuación en sí no cuesta llamadas a modelos más allá de la recuperación.
Antes de decidirte
- Puesta en marcha
- pip install "deeptutor[full]" con Python 3.11 a 3.14 y Node.js 20.9+, después deeptutor init y deeptutor start para llegar a 127.0.0.1:3782; o un solo docker run con un volumen con nombre. El paquete deeptutor sin extras instala solo el chat básico, la CLI y el SDK.
- Integraciones
- OpenAI, Anthropic, Gemini, xAI, Mistral, NVIDIA NIM, DashScope, Ollama, LM Studio, llama.cpp y vLLM en local, además de inicio de sesión con Codex y GitHub Copilot; LlamaIndex, PageIndex, GraphRAG, LightRAG, Obsidian, Zotero y Kiwix; servicios MCP y skills de EduHub y ClawHub; Claude Code y Codex como subagentes consultables; 13 plataformas de chat para los Partners.
- Datos y privacidad
- Los ajustes, las claves de API, los chats, la memoria y las bases de conocimiento están en el directorio local data/ o en el volumen de Docker. Los prompts y el texto recuperado de los documentos van a los proveedores configurados. La autenticación y el filtro de peticiones vienen desactivados por defecto; las skills importadas pasan un control de seguridad salvo que se use --allow-unverified. No se describe telemetría y no hay avisos publicados.
- Coste a escala
- Los mantenedores no ofrecen edición de pago ni servicio alojado. El gasto es el uso de modelos, embeddings, búsqueda y voz por estudiante, más un servidor; los requisitos de hardware no están publicados, y los modelos locales de análisis de documentos o de embeddings necesitan más recursos.
- Límites
- 137 incidencias abiertas y 95 pull requests abiertas; refactorizaciones incompatibles en la v1.6.3 y la v1.7.0; la integración con PocketBase es solo para un usuario; el filtro de peticiones no examina el tráfico WebSocket ni el cuerpo de las peticiones; Codex OAuth es experimental.
Lo bueno
- Tutor, cuestionarios, libros, lectura y práctica espaciada en un solo espacio de trabajo
- Memoria guardada en archivos legibles y editables
- Diez motores de recuperación, con un evaluador de recuperación integrado
- Apache-2.0, con una CLI que emite JSON en streaming para otros agentes
Lo malo
- La autenticación viene desactivada por defecto
- 15 versiones en dos meses, con actualizaciones incompatibles
- Superficie muy grande: muchos módulos, proveedores y extras que configurar
- La app de escritorio es una versión preliminar sin firmar
Ideal para
Autodidactas, grupos de investigación y centros educativos que quieren un tutor autoalojado basado en sus propios materiales y tienen a alguien para mantener al día una app de Python y Node que avanza rápido.
Alternativas a DeepTutor
DeepTutor: preguntas frecuentes
- ¿Merece la pena DeepTutor?
- DeepTutor es el tutor de código abierto más amplio que puedes alojar tú mismo, y cambia tan rápido que quien lo gestione debería leer cada nota de versión. Le damos un 4.0 sobre 5.
- ¿Cuánto cuesta DeepTutor?
- Gratuito y de código abierto (Apache-2.0). Solo autoalojado; pagas a tus proveedores de modelos, embeddings, búsqueda y voz, o inicias sesión con un plan de ChatGPT mediante el Codex OAuth experimental.
- ¿Qué inconvenientes tiene DeepTutor?
- La autenticación viene desactivada por defecto; 15 versiones en dos meses, con actualizaciones incompatibles; superficie muy grande: muchos módulos, proveedores y extras que configurar; la app de escritorio es una versión preliminar sin firmar.
- ¿Para quién es DeepTutor?
- Autodidactas, grupos de investigación y centros educativos que quieren un tutor autoalojado basado en sus propios materiales y tienen a alguien para mantener al día una app de Python y Node que avanza rápido.
- ¿Cuánto cuesta DeepTutor para un equipo o en producción?
- Los mantenedores no ofrecen edición de pago ni servicio alojado. El gasto es el uso de modelos, embeddings, búsqueda y voz por estudiante, más un servidor; los requisitos de hardware no están publicados, y los modelos locales de análisis de documentos o de embeddings necesitan más recursos.
- ¿Es DeepTutor seguro para los datos de la empresa?
- Los ajustes, las claves de API, los chats, la memoria y las bases de conocimiento están en el directorio local data/ o en el volumen de Docker. Los prompts y el texto recuperado de los documentos van a los proveedores configurados. La autenticación y el filtro de peticiones vienen desactivados por defecto; las skills importadas pasan un control de seguridad salvo que se use --allow-unverified. No se describe telemetría y no hay avisos publicados.
- ¿Cuáles son las mejores alternativas a DeepTutor?
- Las alternativas más cercanas que hemos analizado son OpenMAIC, Khoj y Open Notebook.
Respuestas comprobadas el 31 oct 2026.