港大把终身家教做成了 agent 工作台，5.5 万星开源

AI 家教产品不少，但多数是个聊天框加题库。港大 HKUDS 实验室开源的 DeepTutor 走了另一条路：一个 agent 原生的学习工作台，55,392 星、Apache 2.0，本周新增 7,512 星，v1.7.1 刚在 11 月 1 日发布。README 里「终身个性化家教」的原意是长期跟踪学习者的系统，不是营销形容词。

结构上是三区联动：Home、Learning、Resources 把聊天、书籍、阅读、练习、任务板、日历、学习笔记接在一起，材料、进度、学习上下文全共享。学习模式有 Chat、Quiz、Research、Visualize、Solve、Mastery Path、Reading 等多种，各自保留专门流程，但共享同一份会话上下文，换模式不换记忆。

知识接地是它区别于套壳产品的关键：用 LlamaIndex、PageIndex、GraphRAG 或 LightRAG 建版本化知识库，可以接外部知识源，学习时对照文档、视频、音频，回答里的引用带原文链接，查证成本直接降下来。记忆系统做了三层：L1 轨迹、L2 事实、L3 综合，个性化过程可见、可编辑，证据链能在 Memory Graph 里审计。对照本站 11 月初那篇记忆基础设施综述，这是「记忆可审计」路线的一个完整实现。

它还是个开放系统：可以咨询 Claude Code、Codex、Grok CLI 等实时 agent，导入历史对话，或跑常驻 Partners（自带记忆、资源和 IM 通道）；persona、skills、MCP 服务、CLI 应用、生成模型都从同一个 agent 原生 runtime 接入，另有 EduHub skills 社区。v1.7.1 新增桌面预览、Anki 与日历导出、更多模型 provider。

要提醒的是体量：Python 3.11 后端加 Next.js 16 前端，外加知识库索引，这是重型自托管系统，不是开箱即用的 App，部署前先读 Get Started。对自学者，它的价值是把「学到哪了、哪里没掌握、接下来练什么」这个闭环做成了开源系统；对做教育产品的开发者，它的三层记忆和知识接地架构本身就是一份参考答案。