尧图网站建设 
如何用Ollama快速搭建离线AI学习助手DeepTutor本地部署完整指南【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutorDeepTutor 是一款面向终身个性化学习的 AI 学习助手支持知识库问答、AI 协同写作与自主导师模式。把它和 Ollama 本地大模型搭配你可以完成一次彻底的本地部署 DeepTutor得到一个无需云端 API、断网也能正常使用的离线AI学习助手。为什么它断网也能学先想清楚离线带来的三个好处很多人用 AI 工具学习时都有同一种纠结学习笔记、课件、问题记录都会经过云端隐私没保障而一旦断网工具立刻变成摆设。DeepTutor 的思路是把推理环节整个搬到本地——大模型由 Ollama 在你自己的机器上跑DeepTutor 只负责把学习功能知识库、对话、协同写作组织起来。这套组合能覆盖的典型痛点有三类数据不出门教材、论文、聊天记录全部留在本地目录适合处理不方便上云的资料一次下载长期可用模型拉到本地后断网环境照样能问答、检索和写作没有按次计费不需要调用云端 API响应只取决于你自己的硬件。DeepTutor 本身分三层接入层提供 Web 界面、CLI 命令行和 Python SDK 三种用法核心功能层包含聊天工作区、Co-Writer 协同写作、引导式学习和 TutorBot 自主导师数据智能层统一管理知识库、持久记忆和学习笔记。本地推理相关的代码可以参考 LLM 本地适配层 和 Ollama 嵌入适配器。部署前先备好这些硬件与环境要求清单在动手之前按下面这张清单确认环境可以避免大部分安装阶段的麻烦项目最低要求推荐配置操作系统Linux / macOS / WindowsLinux 或 macOS内存8 GB16 GB 以上7B 模型更从容磁盘20 GB 空闲预留模型文件与知识库索引空间工具Git、Python 3.8再装好 Docker 与 Docker Compose另外先装好 Ollama 这个本地大模型引擎Linux 可以执行curl https://ollama.ai/install.sh | shmacOS 和 Windows 从官网下载安装包即可。装完后先让服务跑起来ollama serve三步跑通本地服务从克隆仓库到打开界面第一步拿到代码并准备运行环境git clone https://gitcode.com/GitHub_Trending/dee/DeepTutor cd DeepTutor接着创建虚拟环境并安装依赖。仓库把依赖按用途分门别类放在 requirements/ 目录下本地跑 Web 服务只需要装核心那份python -m venv venv source venv/bin/activate # Windows 用 venv\Scripts\activate pip install -r requirements/server.txt其他场景伙伴通道、数学动画器等对应partners.txt、math-animator.txt用到再装即可。装完后可以运行python scripts/start_tour.py走一遍交互式配置向导它会把你选择的端口、语言等写入data/user/settings目录。第二步拉取模型并指给 DeepTutor在另一个终端里下载一个 7B 级别的对话模型。官方教程常用的是 WizardLM也可以换成 Mistral 或 Llama 系列视你的显存/内存而定ollama pull wizardlm2:7b ollama list # 确认模型已就位然后在 DeepTutor 的模型设置里把 LLM 提供商切换为 Ollama填入两项关键信息模型名如wizardlm2:7b和服务地址http://localhost:11434OpenAI 兼容端点为http://localhost:11434/v1。Ollama 在 提供商注册表 中被标记为本地供应商填好即可被识别。第三步启动服务并打开界面两种启动方式任选其一。想要省事就用容器方式仓库自带 docker-compose.ymldocker compose up -d想在源码里调试就直接起后端python deeptutor/api/run_server.py默认端口是前端 3782、后端 API 8001PocketBase 在容器模式下用 8090浏览器打开http://localhost:3782就能看到界面。端口想换的话改data/user/settings/system.json或用环境变量BACKEND_PORT/FRONTEND_PORT覆盖。跑起来能做什么四个高频学习场景知识库问答上传 PDF、Word、Markdown 等资料系统自动切块建索引。你可以建多个知识库按学科分类之后提问时 AI 会基于你自己的资料作答而不是泛泛而谈。学习对话聊天不是单轮问答它会记住上下文并根据你的进度调整讲解方式文本、代码、公式都能正常渲染。背后的对话代理循环可以看 chat-agent-loop 架构图。协同写作Co-Writer 面板支持你和 AI 共同编辑文档写作建议、结构调整、LaTeX 公式、嵌入代码都能处理写论文和整理笔记时最顺手。学习空间把技能、自定义工具和学习资源集中在一个空间里管理按主题组织资料并跟踪进度。想继续深挖某个模块可以从 知识库管理器源码 和 API 路由层 入手。踩坑急救包离线部署常见问题速查现象先检查这几点连不上 Ollama①ollama serve是否在跑 ② 地址是否为http://localhost:11434③ollama list里有没有目标模型 ④ 停掉 Ollama 再重启一次响应慢、内存吃紧换更小的模型如mistral:7b-instruct② 调低推理参数 ③ Linux 可加 swap ④ 关掉占内存的后台程序知识库加载失败① 数据目录读写权限 ② 重新初始化知识库 ③ 磁盘剩余空间 ④ 翻日志定位具体报错打不开 Web 界面① 确认 3782前端/8001后端端口没被占用 ② 按需修改端口配置 ③ 检查防火墙 ④ 确认前后端进程都活着一句话原则先验证 Ollama 单独能不能用再查 DeepTutor 侧的配置这样能把问题切分成两半排查快很多。现在开始把私有学习助手跑起来按上面的顺序走一遍通常一两个小时内你就能拥有一台完全不依赖网络的 AI 学习机器。DeepTutor 是开源项目欢迎参与社区共建贡献代码改进功能、分享不同硬件上的模型配置、为特定学科制作学习资料。随着本地模型持续进化这套离线方案能承载的学习场景只会越来越多。【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 如何用Ollama快速搭建离线AI学习助手：DeepTutor本地部署完整指南
如何用Ollama快速搭建离线AI学习助手DeepTutor本地部署完整指南【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutorDeepTutor 是一款面向终身个性化学习的 AI 学习助手支持知识库问答、AI 协同写作与自主导师模式。把它和 Ollama 本地大模型搭配你可以完成一次彻底的本地部署 DeepTutor得到一个无需云端 API、断网也能正常使用的离线AI学习助手。为什么它断网也能学先想清楚离线带来的三个好处很多人用 AI 工具学习时都有同一种纠结学习笔记、课件、问题记录都会经过云端隐私没保障而一旦断网工具立刻变成摆设。DeepTutor 的思路是把推理环节整个搬到本地——大模型由 Ollama 在你自己的机器上跑DeepTutor 只负责把学习功能知识库、对话、协同写作组织起来。这套组合能覆盖的典型痛点有三类数据不出门教材、论文、聊天记录全部留在本地目录适合处理不方便上云的资料一次下载长期可用模型拉到本地后断网环境照样能问答、检索和写作没有按次计费不需要调用云端 API响应只取决于你自己的硬件。DeepTutor 本身分三层接入层提供 Web 界面、CLI 命令行和 Python SDK 三种用法核心功能层包含聊天工作区、Co-Writer 协同写作、引导式学习和 TutorBot 自主导师数据智能层统一管理知识库、持久记忆和学习笔记。本地推理相关的代码可以参考 LLM 本地适配层 和 Ollama 嵌入适配器。部署前先备好这些硬件与环境要求清单在动手之前按下面这张清单确认环境可以避免大部分安装阶段的麻烦项目最低要求推荐配置操作系统Linux / macOS / WindowsLinux 或 macOS内存8 GB16 GB 以上7B 模型更从容磁盘20 GB 空闲预留模型文件与知识库索引空间工具Git、Python 3.8再装好 Docker 与 Docker Compose另外先装好 Ollama 这个本地大模型引擎Linux 可以执行curl https://ollama.ai/install.sh | shmacOS 和 Windows 从官网下载安装包即可。装完后先让服务跑起来ollama serve三步跑通本地服务从克隆仓库到打开界面第一步拿到代码并准备运行环境git clone https://gitcode.com/GitHub_Trending/dee/DeepTutor cd DeepTutor接着创建虚拟环境并安装依赖。仓库把依赖按用途分门别类放在 requirements/ 目录下本地跑 Web 服务只需要装核心那份python -m venv venv source venv/bin/activate # Windows 用 venv\Scripts\activate pip install -r requirements/server.txt其他场景伙伴通道、数学动画器等对应partners.txt、math-animator.txt用到再装即可。装完后可以运行python scripts/start_tour.py走一遍交互式配置向导它会把你选择的端口、语言等写入data/user/settings目录。第二步拉取模型并指给 DeepTutor在另一个终端里下载一个 7B 级别的对话模型。官方教程常用的是 WizardLM也可以换成 Mistral 或 Llama 系列视你的显存/内存而定ollama pull wizardlm2:7b ollama list # 确认模型已就位然后在 DeepTutor 的模型设置里把 LLM 提供商切换为 Ollama填入两项关键信息模型名如wizardlm2:7b和服务地址http://localhost:11434OpenAI 兼容端点为http://localhost:11434/v1。Ollama 在 提供商注册表 中被标记为本地供应商填好即可被识别。第三步启动服务并打开界面两种启动方式任选其一。想要省事就用容器方式仓库自带 docker-compose.ymldocker compose up -d想在源码里调试就直接起后端python deeptutor/api/run_server.py默认端口是前端 3782、后端 API 8001PocketBase 在容器模式下用 8090浏览器打开http://localhost:3782就能看到界面。端口想换的话改data/user/settings/system.json或用环境变量BACKEND_PORT/FRONTEND_PORT覆盖。跑起来能做什么四个高频学习场景知识库问答上传 PDF、Word、Markdown 等资料系统自动切块建索引。你可以建多个知识库按学科分类之后提问时 AI 会基于你自己的资料作答而不是泛泛而谈。学习对话聊天不是单轮问答它会记住上下文并根据你的进度调整讲解方式文本、代码、公式都能正常渲染。背后的对话代理循环可以看 chat-agent-loop 架构图。协同写作Co-Writer 面板支持你和 AI 共同编辑文档写作建议、结构调整、LaTeX 公式、嵌入代码都能处理写论文和整理笔记时最顺手。学习空间把技能、自定义工具和学习资源集中在一个空间里管理按主题组织资料并跟踪进度。想继续深挖某个模块可以从 知识库管理器源码 和 API 路由层 入手。踩坑急救包离线部署常见问题速查现象先检查这几点连不上 Ollama①ollama serve是否在跑 ② 地址是否为http://localhost:11434③ollama list里有没有目标模型 ④ 停掉 Ollama 再重启一次响应慢、内存吃紧换更小的模型如mistral:7b-instruct② 调低推理参数 ③ Linux 可加 swap ④ 关掉占内存的后台程序知识库加载失败① 数据目录读写权限 ② 重新初始化知识库 ③ 磁盘剩余空间 ④ 翻日志定位具体报错打不开 Web 界面① 确认 3782前端/8001后端端口没被占用 ② 按需修改端口配置 ③ 检查防火墙 ④ 确认前后端进程都活着一句话原则先验证 Ollama 单独能不能用再查 DeepTutor 侧的配置这样能把问题切分成两半排查快很多。现在开始把私有学习助手跑起来按上面的顺序走一遍通常一两个小时内你就能拥有一台完全不依赖网络的 AI 学习机器。DeepTutor 是开源项目欢迎参与社区共建贡献代码改进功能、分享不同硬件上的模型配置、为特定学科制作学习资料。随着本地模型持续进化这套离线方案能承载的学习场景只会越来越多。【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考