DeepTutor의 개요
DeepTutor는 LightRAG와 nanobot을 만든 홍콩대학교 데이터 인텔리전스 연구실(HKUDS)에서 나왔으며, 2026년 4월 arXiv 프리프린트에 소개되었습니다. 단일 챗봇이 아니라 학습 워크스페이스입니다. Chat, Quiz, Research, Solve, Visualize, Mastery Path, Immersive Reading, Video Lesson이 하나의 에이전트 루프와 세션 컨텍스트, 그리고 학습자가 한 일을 담은 3계층 메모리를 공유하며, 이 메모리는 읽을 수 있는 파일로 저장됩니다.
Python(FastAPI) 백엔드와 Next.js 프런트엔드로 구성되며, PyPI에서 deeptutor[full]로, 소스에서, 또는 Docker 이미지 하나로 설치합니다. 지식 베이스는 LlamaIndex와 PageIndex부터 GraphRAG, LightRAG, Kiwix 아카이브, 연결된 Obsidian vault까지 10가지 검색 백엔드를 쓸 수 있습니다. Persistent Partners는 Telegram과 Slack부터 WeCom과 Microsoft Teams까지 13개 채팅 플랫폼으로 튜터를 가져가며, CLI는 JSON을 스트리밍해 다른 에이전트가 조작할 수 있습니다.
저장소는 2025년 12월에 만들어졌고 Apache-2.0 라이선스이며, GitHub 스타는 약 52,700개, 버전은 v1.7.1(2026년 10월 31일)입니다. README에 따르면 팀에는 유료 온라인 제품이 없습니다.
DeepTutor, 쓸 만한 가치가 있습니까?
DeepTutor는 저희가 살펴본 자체 호스팅 튜터링 시스템 중 가장 완성도가 높으며, 약점은 그것을 만든 속도 자체입니다. 4월에 약 200,000줄을 다시 쓴 뒤, 2026년 9월 1일부터 10월 31일 사이에 v1.6.3부터 v1.7.1까지 15번 릴리스했습니다. 그 결과 사용자의 문서에 근거해 답하고, 그 문서로 퀴즈와 구조화된 책 을 만들고, 틀린 문제의 간격 반복 복습을 예약하고, Anki로 플래시카드를 내보내는 워크스페이스가 되었습니다.
두 가지 설계가 돋보입니다. 메모리는 원시 이벤트 기록, 정리된 사실, 과목을 아우르는 프로필이라는 세 층의 일반 파일이며, 관리자나 학습자가 불투명한 벡터 저장소 대신 그래프에서 열고 고치고 점검할 수 있습니다. 또한 검색은 라이브러리마다 10개 엔진 중 하나를 고르는 방식이고, deeptutor kb eval 명령은 모델을 심판으로 쓰지 않고 사용자의 질문 세트로 Recall@k, nDCG, MRR을 계산해 엔진을 비교합니다. 자신의 자료에서 어떤 검색이 통하는지 측정하게 해 주는 경쟁 제품은 드뭅니다.
기본값은 노트북을 쓰는 한 사람에게 맞춰져 있습니다. 인증은 auth.json에서 켜지 않으면 꺼져 있고, 문서에 따르면 인증이 꺼진 상태에서 백엔드는 일반 브라우저 출처를 받아들입니다. Docker 명령은 포트 3782를 127.0.0.1에 바인딩하므로 로컬에서는 안전합니다. 인증 없이 더 넓게 공개하면 모든 기능, 저장된 API 키, 코드 실행 도구가 노출됩니다. 요청 선별(속도 제한, IP 목록)은 선택 기능이며 역시 기본으로 꺼져 있습니다. 사용자가 묻는 모든 내용과 문서에서 검색된 구절은 설정한 모델, 임베딩, 검색, 음성 제공업체로 전송됩니다. 저장소에서 제품 텔레메트리는 찾지 못했고, GitHub에 공개된 보안 권고도 없습니다.
대가는 유지 관리입니다. v1.6.3은 프런트엔드와 백엔드를 깨뜨리는 리팩터링이었고, v1.7.0은 패키지를 모듈로 나눠 업그레이드하려면 기존 deeptutor-cli 패키지를 제거해야 하며, 데스크톱 설치 파일은 7일 후 만료되는 서명되지 않은 프리뷰입니다. 열린 이슈 137개와 풀 리퀘스트 95개가 있으므로, 도입하는 학교에는 릴 리스를 추적할 담당자가 필요합니다. 주제를 AI 교사가 진행하는 단계별 수업으로 바꾸는 OpenMAIC와 비교하면, DeepTutor는 장기적인 학습 동반자로는 더 낫고 운영하기에는 더 무거운 시스템입니다.
제 역할을 하는 곳
논문 40편과 교재 두 권으로 자격시험을 준비하는 대학원생
내 약점을 기억하는 튜터와 함께 내 읽기 목록으로 공부하기
PDF를 지식 베이스에 색인하고, Immersive Reading에서 페이지 링크가 달린 인용과 함께 질문하며, 틀린 퀴즈 문제를 Question Bank에 넣어 간격 반복으로 복습하고, 플래시카드를 Anki로 내보냅니다. 소프트웨어는 무료이며, 비용은 질문과 색인 문서마다 드는 모델 및 임베딩 토큰입니다.
학생 30명과 AI 튜터링을 시범 운영하는 중고등학교 IT 담당자
API 키를 나눠 주지 않고 승인된 모델로 학생에게 튜터 제공하기
리버스 프록시 뒤에서 Docker 이미지를 실행하고, auth.json에서 인증을 켜고, 관리자를 먼저 등록한 뒤, 기능이 잠긴 Learner 계정을 만들어 특정 모델과 지식 베이스를 부여합니다. 보호자는 리포트를 볼 수 있습니다. 선택 기능인 요청 가드를 켜고, 업그레이드 전에 릴리스마다 테스트할 시간을 잡아 둡니다.
강의 자료용 RAG 파이프라인을 만드는 ML 엔지니어
어떤 검색 엔진이 실제로 우리 문서에서 통하는지 정하기
질의와 정답 구절을 담은 JSONL 파일을 쓰고, 같은 코퍼스를 LlamaIndex, LightRAG, GraphRAG 라이브러리로 구축한 뒤 deeptutor kb eval과 kb eval-diff로 비교합니다. 지표는 순위에서 계산되므로 채점 자체에는 검색 외의 모델 호출 비용이 들지 않습니다.
도입 전 확인할 점
- 설정
- Python 3.11~3.14와 Node.js 20.9+ 환경에서 pip install "deeptutor[full]"을 실행한 뒤 deeptutor init과 deeptutor start로 127.0.0.1:3782에 접속합니다. 또는 명명된 볼륨과 함께 docker run 한 번으로 실행합니다. 기본 deeptutor 패키지는 핵심 채팅, CLI, SDK만 설치합니다.
- 연동
- OpenAI, Anthropic, Gemini, xAI, Mistral, NVIDIA NIM, DashScope, 로컬 Ollama, LM Studio, llama.cpp, vLLM, 그리고 Codex와 GitHub Copilot 로그인. LlamaIndex, PageIndex, GraphRAG, LightRAG, Obsidian, Zotero, Kiwix. MCP 서비스, EduHub와 ClawHub 스킬. 자문용 하위 에이전트로 Claude Code와 Codex. Partners용 채팅 플랫폼 13개.
- 데이터와 개인정보
- 설정, API 키, 채팅, 메모리, 지식 베이스는 로컬 data/ 디렉터리나 Docker 볼륨에 저장됩 니다. 프롬프트와 검색된 문서 텍스트는 설정한 제공업체로 전송됩니다. 인증과 요청 가드는 둘 다 기본으로 꺼져 있습니다. 스킬 가져오기는 --allow-unverified를 쓰지 않는 한 보안 검사를 거칩니다. 텔레메트리에 대한 설명이나 공개된 보안 권고는 없습니다.
- 대규모 사용 시 비용
- 유지 관리자가 제공하는 유료 에디션이나 호스팅 서비스는 없습니다. 비용은 학습자별 모델, 임베딩, 검색, 음성 사용량과 서버입니다. 하드웨어 요구 사항은 공개되지 않았으며, 로컬 파싱이나 임베딩 모델에는 더 많은 자원이 필요합니다.
- 제한
- 열린 이슈 137개와 풀 리퀘스트 95개. v1.6.3과 v1.7.0의 호환성을 깨는 리팩터링. PocketBase 연동은 단일 사용자 전용. 요청 가드는 WebSocket 트래픽이나 요청 본문을 선별하지 않음. Codex OAuth는 실험 단계.
좋은 점
- 튜터, 퀴즈, 책, 읽기, 간격 반복 연습을 한 워크스페이스에서
- 읽고 고칠 수 있는 파일로 저장되는 메모리
- 내장 검색 채점기를 갖춘 10가지 검색 엔진
- Apache-2.0, 다른 에이전트용 JSON 스트리밍 CLI
아쉬운 점
- 인증이 기본으로 꺼져 있음
- 두 달간 15번 릴리스, 호환성을 깨는 업그레이드 포함
- 모듈, 제공업체, 추가 기능 등 설정할 범위가 매우 넓음
- 데스크톱 앱은 서명되지 않은 프리뷰
추천 대상
자신의 자료에 근거한 자체 호스팅 튜터를 원하고, 빠르게 바뀌는 Python과 Node 앱을 최신으로 유지할 사람이 있는 독학자, 연구 그룹, 학교.
DeepTutor 대안
DeepTutor: 자주 묻는 질문
- DeepTutor, 쓸 만한 가치가 있습니까?
- DeepTutor는 직접 호스팅할 수 있는 오픈소스 튜터 중 가장 폭이 넓지만, 변화가 너무 빨라 운영하는 사람은 모든 릴리스 노트를 읽어야 합니다. 평점은 5점 만점에 4.0점입니다.
- DeepTutor의 가격은 얼마입니까?
- Apache-2.0의 무료 오픈소스입니다. 자체 호스팅만 가능하며, 모델, 임베딩, 검색, 음성 제공업체 비용을 내거나, 실험 단계인 Codex OAuth로 ChatGPT 요금제에 로그인해 씁니다.
- DeepTutor의 단점은 무엇입니까?
- 인증이 기본으로 꺼져 있음; 두 달간 15번 릴리스, 호환성을 깨는 업그레이드 포함; 모듈, 제공업체, 추가 기능 등 설정할 범위가 매우 넓음; 데스크톱 앱은 서명되지 않은 프리뷰.
- DeepTutor에 적합한 사람은 누구입니까?
- 자신의 자 료에 근거한 자체 호스팅 튜터를 원하고, 빠르게 바뀌는 Python과 Node 앱을 최신으로 유지할 사람이 있는 독학자, 연구 그룹, 학교.
- 팀이나 프로덕션 환경에서 DeepTutor의 비용은 얼마입니까?
- 유지 관리자가 제공하는 유료 에디션이나 호스팅 서비스는 없습니다. 비용은 학습자별 모델, 임베딩, 검색, 음성 사용량과 서버입니다. 하드웨어 요구 사항은 공개되지 않았으며, 로컬 파싱이나 임베딩 모델에는 더 많은 자원이 필요합니다.
- DeepTutor에 회사 데이터를 맡겨도 안전합니까?
- 설정, API 키, 채팅, 메모리, 지식 베이스는 로컬 data/ 디렉터리나 Docker 볼륨에 저장됩니다. 프롬프트와 검색된 문서 텍스트는 설정한 제공업체로 전송됩니다. 인증과 요청 가드는 둘 다 기본으로 꺼져 있습니다. 스킬 가져오기는 --allow-unverified를 쓰지 않는 한 보안 검사를 거칩니다. 텔레메트리에 대한 설명이나 공개된 보안 권고는 없습니다.
- DeepTutor의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 OpenMAIC, Khoj 및 Open Notebook입니다.
답변 확인일: 2026년 10월 31일.
DeepTutor 개발사입니까? 이 평점을 사이트에 표시하십시오
