现在很多AI工具，你问它问题，它就直接把答案丢给你。孩子做作业遇到难题，手机一拍，答案秒出。这样确实省事。但是，孩子的大脑根本没动。这不叫学习，这叫抄答案。我们需要的不是一个报答案的机器。我们需要一个能引导孩子思考的工具。
最近我发现一个叫DeepTutor的项目。它是香港大学数据智能实验室做的，在GitHub上开源了。我看了一下，感觉这东西真的想教会你知识，而不只是给你答案。
它最让我喜欢的功能，是“交互式学习可视化”。
以前我用别的AI，问它一个算法，它就给我一堆代码。问它一个数学概念，它就回我一段很官方的定义。我看着都头疼，更别说孩子了。
DeepTutor不一样。比如，我问它“什么是快速排序算法”。它不会只给我文字。它会直接生成一个网页。这个网页是动态的。你可以自己用鼠标拖动里面的数据条。你拖一下，它就走一步算法。数据条会根据算法逻辑移动、交换位置。
整个算法的执行过程，你就这么亲眼看着它一步步走完。这个过程是活的。你不是在背概念，你是在“玩”这个算法。这种感觉，比看十遍书、二十遍文字解释都有用。知识一下就进脑子里了。
而且，它回答问题不瞎说。因为它有个“双回路”架构。这是它的工作原理：
它收到你的问题后，不会立刻就回答。它会先启动第一个回路，叫“分析回路”。在这个阶段，它会仔细分析你的问题到底想问什么。然后，它会去自己的知识库里查资料，核对信息。就像一个老师在备课。
等备课完成了，它才会启动第二个回路，叫“求解回路”。这时候它才开始一步步地、有条理地生成答案。
所以，它给出的答案，准确性高很多。不会像有些AI那样，自信满满地胡说八道。我觉得这个设计很靠谱，让人用着放心。
试卷克隆功能有点东西
快考试了，复习的时候最需要什么？就是题目。但是我们缺的不是随便什么题目。我们需要的是和考试风格、难度都差不多的题目。到处找题，很浪费时间，效果也不好。
DeepTutor有一个功能，叫“试卷克隆”。这个功能就是解决这个问题的。
用法很简单，就两步：
第一步，你找一份以前的考试卷子。比如去年的期末考试卷。只要是PDF格式的就行。你把这份PDF上传给DeepTutor。
第二步，它自己就会开始分析。它会看这份卷子都考了哪些知识点。每个知识点占多少分。题目的难度是怎么分布的。出题的风格是怎样的。
分析完之后，它就会生成一套全新的模拟卷。这套新卷子，在知识点、难度和风格上，都和你的那份老卷子很像。
这个功能真的帮大忙了。用它生成的卷子来复习，针对性很强。你可以很清楚地知道自己的薄弱环节在哪里。比如你做完一份克隆卷，发现关于“函数”的题目错了一大半。那接下来，你就知道要重点复习“函数”这部分。这样可以帮你更快完成复习，效率高很多。
私密数据的本地化方案
我们平时学习和工作，总会接触一些私密文件。比如自己还没发表的论文，或者公司的内部资料。这些东西，你肯定不希望上传到任何服务器上。数据安全很重要。
很多人可能用过一些在线的文档分析工具。它们功能不错，但你需要把自己的文档传上去。这就存在数据泄露的风险。
DeepTutor提供了一个解决方案。它有一个“Deep Research”模式。你可以把这个模式，看作一个能装在你自已电脑上的文档分析工具。
这是它的工作原理：
你把它部署在你的电脑上。然后，你可以把你的本地文档，比如几十篇PDF格式的参考文献，都交给它处理。它可以在完全离线的情况下，帮你阅读、分析、总结这些海量文档。
比如，你正在写一篇关于“人工智能伦理”的论文。你下载了50篇相关的文献。
你可以这么做：
第一步，把这50个PDF文件放在电脑的一个文件夹里。
第二步，让DeepTutor的Deep Research模式去分析这个文件夹。
第三步，你可以直接向它提问。比如问：“这50篇文章里，关于AI决策的透明度问题，主流观点有哪些？”
它会阅读完所有文档，然后给你一个总结好的答案。最关键的是，整个过程，所有数据都在你自己的硬盘上，没有离开过你的电脑。这种安全感，对于需要处理敏感资料的人来说，是无可替代的。
上手不难
很多人一听到“本地化部署”，可能就觉得会很麻烦，需要敲很多代码。以前确实是这样。但是，DeepTutor这个项目提供了Docker部署方式。
你可以把Docker理解成一个“应用商店”或者“安装器”。用它来装DeepTutor，过程很简单。
你只需要做这几件事：
第一步，确保你的电脑上已经安装了Docker。这个软件是免费的，网上有安装教程。
第二步，去DeepTutor的GitHub项目页面，找到那段Docker部署的命令。就是下面这段： code Bashdownloadcontent_copyexpand_less
docker run -d --name deeptutor \
-p 8001:8001 -p 3782:3782 \
-e LLM_MODEL=gpt-4o \
-e LLM_BINDING_API_KEY=your-api-key \
-e LLM_BINDING_HOST=https://api.openai.com/v1 \
-e EMBEDDING_MODEL=text-embedding-3-large \
-e EMBEDDING_BINDING_API_KEY=your-api-key \
-e EMBEDDING_BINDING_HOST=https://api.openai.com/v1 \
-v $(pwd)/data:/app/data \
-v $(pwd)/config:/app/config:ro \
ghcr.io/hkuds/deeptutor:latest第三步，复制这段命令。你需要修改里面两个叫做your-api-key的地方。把它换成你自己的API Key。这个Key需要从OpenAI或其他模型提供商那里获取。
第四步，打开你电脑的终端（Windows上叫命令提示符或PowerShell，Mac上叫终端）。把修改好的命令粘贴进去，按一下回车。
然后就不用管了。等几分钟，它就会自动安装好。之后你就可以在自己的电脑上使用DeepTutor了。整个过程，比装一个复杂的软件还简单。
我为什么推荐它
最后，我想聊聊我为什么推荐这个工具。
现在的AI，获取答案太容易了。这导致我们，特别是孩子，越来越不习惯自己动脑筋。思考的过程，本身就是一种锻炼。如果跳过这个过程，大脑的能力就会退化。
DeepTutor不一样的地方在于，它有意地放慢了节奏。它不急着给你最终的那个“结果”。相反，它更愿意花时间，把得出结果的那个“过程”一步步展示给你看。
它通过交互式的演示，通过严谨的分析步骤，实际上是在引导你去思考“为什么是这样”。
我觉得这就像学做饭。
别的AI工具，好比是外卖。你想吃宫保鸡丁，它直接把一份做好的送到你面前。你吃得很开心，但你永远不知道这道菜是怎么做出来的。下次你还想吃，还得点外卖。
但是DeepTutor，它扮演的是一个厨艺老师的角色。它会把你带进厨房。它会告诉你，先切鸡丁，再准备葱姜蒜。然后告诉你，先热油，再下锅，火候要多大，调料按什么顺序放。
在这个过程中，你不仅最后吃到了宫保鸡丁，更重要的是，你学会了它的做法。下次，你就可以自己做给自己吃了。你掌握了这项技能。
知识的学习也是一样。我们真正需要的，是掌握思考问题和解决问题的方法，而不是仅仅知道一个答案。
工具应该是用来帮助我们更好地思考的，而不是代替我们思考。我觉得，DeepTutor在这一点上，做出了一个很好的示范。它让我看到了AI在教育领域一种更健康、也更有价值的可能性。
