O que é DeepTutor?
O DeepTutor vem do Data Intelligence Lab da Universidade de Hong Kong (HKUDS), o grupo por trás do LightRAG e do nanobot, e é descrito em um preprint do arXiv de abril de 2026. É um espaço de aprendizagem, não um chatbot único: Chat, Quiz, Research, Solve, Visualize, Mastery Path, Immersive Reading e Video Lesson compartilham um único loop de agente, o contexto da sessão e uma memória em três camadas do que o aluno já fez, guardada como arquivos legíveis.
É um back end em Python (FastAPI) com um front end em Next.js, instalado pelo PyPI como deeptutor[full], a partir do código-fonte ou como uma única imagem Docker. As bases de conhecimento podem usar dez back ends de recuperação, do LlamaIndex e PageIndex ao GraphRAG, LightRAG, arquivos Kiwix e um cofre do Obsidian vinculado. Os Persistent Partners levam o tutor para 13 plataformas de chat, do Telegram e Slack ao WeCom e Microsoft Teams, e a CLI transmite JSON para que outros agentes possam controlá-lo.
O repositório foi criado em dezembro de 2025, tem licença Apache-2.0, cerca de 52.700 estrelas no GitHub e está na v1.7.1 (31 de outubro de 2026). O README afirma que a equipe não tem produto online pago.
DeepTutor vale a pena?
O DeepTutor é o sistema de tutoria auto-hospedado mais completo entre os que analisamos, e seu ponto fraco é o ritmo que o construiu. Entre 1 de setembro e 31 de outubro de 2026, ele lançou 15 versões, da v1.6.3 à v1.7.1, depois de uma reescrita de cerca de 200.000 linhas em abril. O resultado é um espaço de trabalho que ancora as respostas nos seus próprios documentos, gera a partir deles quizzes e livros estruturados, agenda revisão espaçada das questões erradas e exporta flashcards para o Anki.
Duas escolhas de desenho o diferenciam. A memória é feita de três camadas de arquivos simples, rastros brutos de eventos, fatos curados e um perfil entre disciplinas, que um administrador ou aluno pode abrir, editar e auditar em um grafo, em vez de um banco vetorial opaco. E a recuperação é uma escolha por biblioteca entre dez motores, com um comando deeptutor kb eval que os pontua contra o seu próprio conjunto de perguntas em Recall@k, nDCG e MRR, sem um modelo atuando como juiz. Poucos rivais deixam você medir qual recuperação funciona no seu material.
Os padrões servem para uma pessoa em um notebook. A autenticação fica desligada a menos que seja ativada no auth.json, e a documentação diz que, com a autenticação desativada, o back end aceita origens comuns de navegador. O comando Docker vincula a porta 3782 a 127.0.0.1, o que é seguro localmente; publicá-la de forma mais ampla sem autenticação expõe todas as capacidades, as chaves de API armazenadas e a ferramenta de execução de código. A triagem de requisições (limite de taxa, listas de IP) é um extra opcional que também vem desligado por padrão. Tudo o que você pergunta, mais os trechos recuperados dos seus documentos, vai para os provedores de modelo, embedding, busca e voz que você configurar. Não encontramos telemetria de produto no repositório, e não há avisos de segurança publicados no GitHub.
O custo é a manutenção. A v1.6.3 foi uma refatoração incompatível do front end e do back end, a v1.7.0 dividiu o pacote em módulos e exige desinstalar o antigo pacote deeptutor-cli para atualizar, e os instaladores desktop são prévias sem assinatura que expiram após sete dias. Com 137 issues abertas e 95 pull requests abertos, uma escola que o adote precisa de um responsável que acompanhe as versões. Ao lado do OpenMAIC, que transforma um tema em uma aula em etapas com professores de IA, o DeepTutor é o melhor companheiro de estudo a longo prazo e o sistema mais pesado de manter funcionando.
Onde ele se destaca
Um aluno de pós-graduação se preparando para exames de qualificação a partir de 40 artigos e dois livros-texto
Estudar a partir da minha própria lista de leitura com um tutor que lembra dos meus pontos fracos
Indexe os PDFs em uma base de conhecimento, faça perguntas com citações ligadas às páginas no Immersive Reading, mande as questões erradas dos quizzes para o Question Bank para revisão espaçada e exporte flashcards para o Anki. O software é gratuito; o custo são tokens de modelo e de embedding por pergunta e por documento indexado.
Um coordenador de TI em uma escola de ensino médio testando tutoria com IA com 30 alunos
Dar aos alunos um tutor com modelos aprovados sem distribuir chaves de API
Rode a imagem Docker atrás de um proxy reverso, ative a autenticação no auth.json, registre o administrador primeiro e depois crie contas Learner com capacidades travadas, concedendo a elas modelos e bases de conhecimento específicos; os responsáveis podem ver relatórios. Ative a proteção de requisições opcional e reserve tempo para testar cada versão antes de atualizar.
Um engenheiro de ML construindo um pipeline de RAG para material de cursos
Decidir qual motor de recuperação realmente funciona nos nossos documentos
Escreva um arquivo JSONL de consultas e trechos de referência, monte o mesmo corpus em bibliotecas LlamaIndex, LightRAG e GraphRAG e compare-as com deeptutor kb eval e kb eval-diff. As métricas são calculadas a partir dos rankings, então a pontuação em si não custa chamadas de modelo além da recuperação.
Antes de decidir
- Configuração
- pip install "deeptutor[full]" em Python 3.11 a 3.14 com Node.js 20.9+, depois deeptutor init e deeptutor start para acessar 127.0.0.1:3782; ou um único docker run com um volume nomeado. O pacote deeptutor básico instala só o chat principal, a CLI e o SDK.
- Integrações
- OpenAI, Anthropic, Gemini, xAI, Mistral, NVIDIA NIM, DashScope, Ollama local, LM Studio, llama.cpp e vLLM, além de login com Codex e GitHub Copilot; LlamaIndex, PageIndex, GraphRAG, LightRAG, Obsidian, Zotero e Kiwix; serviços MCP, skills do EduHub e do ClawHub; Claude Code e Codex como subagentes consultáveis; 13 plataformas de chat para os Partners.
- Dados e privacidade
- Configurações, chaves de API, chats, memória e bases de conhecimento ficam no diretório local data/ ou no volume Docker. Os prompts e o texto recuperado dos documentos vão para os provedores configurados. A autenticação e a proteção de requisições vêm desligadas por padrão; importações de skills passam por uma barreira de segurança, a menos que se use --allow-unverified. Nenhuma telemetria descrita e nenhum aviso publicado.
- Custo em escala
- Não há edição paga nem serviço hospedado dos mantenedores. O gasto é o uso de modelo, embedding, busca e voz por aluno, mais um servidor; os requisitos de hardware não são publicados, e modelos locais de parsing ou de embedding exigem mais recursos.
- Limites
- 137 issues abertas e 95 pull requests abertos; refatorações incompatíveis na v1.6.3 e na v1.7.0; a integração com o PocketBase é só para um usuário; a proteção de requisições não filtra o tráfego WebSocket nem o corpo das requisições; o Codex OAuth é experimental.
O que é bom
- Tutor, quizzes, livros, leitura e prática espaçada em um só espaço de trabalho
- Memória guardada como arquivos legíveis e editáveis
- Dez motores de recuperação, com um avaliador de recuperação embutido
- Apache-2.0, com uma CLI que transmite JSON para outros agentes
O que não é
- A autenticação vem desligada por padrão
- 15 versões em dois meses, com atualizações incompatíveis
- Superfície muito grande: muitos módulos, provedores e extras para configurar
- O app desktop é uma prévia sem assinatura
Ideal para
Autodidatas, grupos de pesquisa e escolas que querem um tutor auto-hospedado ancorado nos próprios materiais e têm alguém para manter atualizado um app Python e Node que muda rápido.
Alternativas ao DeepTutor
DeepTutor: perguntas frequentes
- DeepTutor vale a pena?
- O DeepTutor é o tutor de código aberto mais amplo que você pode hospedar por conta própria, e muda tão rápido que quem o opera deve ler cada nota de versão. Damos nota 4.0 de 5.
- Quanto custa DeepTutor?
- Gratuito e de código aberto (Apache-2.0). Só auto-hospedado; você paga os provedores de modelo, embedding, busca e voz, ou entra com um plano do ChatGPT pelo Codex OAuth experimental.
- Quais são as desvantagens de DeepTutor?
- A autenticação vem desligada por padrão; 15 versões em dois meses, com atualizações incompatíveis; superfície muito grande: muitos módulos, provedores e extras para configurar; o app desktop é uma prévia sem assinatura.
- Para quem DeepTutor é indicado?
- Autodidatas, grupos de pesquisa e escolas que querem um tutor auto-hospedado ancorado nos próprios materiais e têm alguém para manter atualizado um app Python e Node que muda rápido.
- Quanto custa DeepTutor para uma equipe ou em produção?
- Não há edição paga nem serviço hospedado dos mantenedores. O gasto é o uso de modelo, embedding, busca e voz por aluno, mais um servidor; os requisitos de hardware não são publicados, e modelos locais de parsing ou de embedding exigem mais recursos.
- DeepTutor é seguro para dados da empresa?
- Configurações, chaves de API, chats, memória e bases de conhecimento ficam no diretório local data/ ou no volume Docker. Os prompts e o texto recuperado dos documentos vão para os provedores configurados. A autenticação e a proteção de requisições vêm desligadas por padrão; importações de skills passam por uma barreira de segurança, a menos que se use --allow-unverified. Nenhuma telemetria descrita e nenhum aviso publicado.
- Quais são as melhores alternativas ao DeepTutor?
- As alternativas mais próximas que analisamos são OpenMAIC, Khoj e Open Notebook.
Respostas verificadas em 31 de out. de 2026.