deeptutor

DeepTutor est un projet open source de HKUDS qui se présente comme un système de tutorat personnalisé tout au long de la vie. Il s'agit d'une application full-stack construite avec Python 3.11+ côté backend et Next.js 16 côté frontend, publiée sous licence Apache 2.0, avec un site de documentation associé sur deeptutor.info et une référence à un article arXiv. Le README présente un long historique de versions très dynamique (environ v0.2.0 à v1.6.8) qui documente l'évolution des fonctionnalités du projet. Les thèmes récurrents sont les suivants : - Chat et tutorat agentiques : une boucle d'agent unique alimente le chat, l'apprentissage guidé, la recherche approfondie, la résolution de problèmes et la génération de questions, avec des plugins d'outils/capacités et des capacités configurables par modèle. - Gestion des connaissances : bases de connaissances avec plusieurs moteurs de recherche (LightRAG, GraphRAG, PageIndex, FAISS, ingestion basée sur LlamaIndex), moteurs d'analyse de documents (MinerU, Docling, PyMuPDF4LLM, LiteParse, Apache Tika), index versionnés et flux de réindexation. - Fonctionnalités d'apprentissage : apprentissage guidé avec paliers de maîtrise, banque de questions, quiz, moteur de livres pour compiler des « livres vivants » avec suivi de progression et export Markdown, Co-Writer pour l'écriture multi-documents, et visualisations interactives. - Mémoire : un atelier de mémoire à trois niveaux (L1/L2/L3) et une mémoire persistante par utilisateur. - Intégrations : de nombreux fournisseurs de LLM et d'embeddings, fournisseurs de recherche web, services MCP, et canaux de messagerie (le README mentionne 15 canaux) pour les « Partenaires » — des personnalités de tuteur configurables avec leurs propres bibliothèques, compétences et mémoire privée. - Déploiement : prise en charge de Docker et Compose, notes sur Podman sans root, déploiements multi-utilisateurs avec espaces de travail isolés, rôles administrateur, et une CLI (`deeptutor`) avec des commandes telles que start, doctor et skill install. Le référentiel s'adresse clairement aux apprenants et aux éducateurs qui souhaitent un environnement de tutorat IA auto-hébergeable et extensible plutôt qu'un chatbot à usage unique. Le README est rédigé en anglais avec des traductions liées pour le chinois, le japonais, l'espagnol, le français, l'arabe, le russe, le hindi, le portugais, le thaï et le polonais.