برنامج تعليمي عبر الإنترنت | 35 ألف نجمة: فريق جامعة هونغ كونغ يُطلق DeepTutor مفتوح المصدر، وهو برنامج واحد يربط بين أسئلة وأجوبة المعرفة، والتعلم التفاعلي، وتوليد التمارين، والبحث المعمق

مع استمرار انتشار النماذج واسعة النطاق في سيناريوهات التعليم والتعلم، تتطور أدوات التعلم بالذكاء الاصطناعي من وظائف بسيطة للأسئلة والأجوبة والمساعدة إلى أنظمة تعلم كاملة تغطي اكتساب المعرفة والفهم والممارسة والبحث.قام مختبر ذكاء البيانات بجامعة هونغ كونغ (HKUDS) بنشر برنامج DeepTutor، وهو مساعد تعليمي شخصي، كمصدر مفتوح.هذا يوحد أنماط التعلم المختلفة مثل الدردشة والاختبار والبحث والتصور والحل ومسار الإتقان في مساحة عمل واحدة للوكيل، مما يتيح للمتعلمين إكمال حلقة التعلم بأكملها من اكتساب المعرفة إلى الإتقان والبحث داخل نفس البيئة.

أوراق ذات صلة:

https://hyper.ai/papers/2604.26962

المفهوم الأساسي لـ DeepTutor هو "وقت تشغيل واحد لكل وضع".بخلاف الأدوات التقليدية التي تفصل الوظائف المختلفة عن بعضها البعض،يسمح برنامج DeepTutor لأنماط التعلم المختلفة بمشاركة نظام الوكيل نفسه.لا يحتاج المستخدمون إلى التبديل المستمر بين الأدوات؛ إذ يمكن استخدام قواعد المعرفة والكتب والملاحظات وبنوك الأسئلة والمواد التعليمية بشكل متواصل في مختلف المهام. سواءً أكان الأمر يتعلق بفهم مفهوم معقد، أو حل مشكلة صعبة، أو تخطيط مسار تعليمي، أو إجراء بحث موضوعي، فكل ذلك يمكن إنجازه مباشرةً باستخدام اللغة الطبيعية.

على الصعيد التقني، يدمج DeepTutor محركات RAG متعددة، وبحثًا فوريًا على الويب، وقواعد بيانات للأوراق الأكاديمية، وتنفيذًا لبرامج بايثون، ووكلاء فرعيين يتم استدعاؤهم عند الطلب، مما يُمكّنه من إكمال تحليل النوايا، واسترجاع المعرفة، وتقسيم المهام، وإنشاء المحتوى تلقائيًا بناءً على احتياجات المستخدم. وتشمل قدراته الأساسية ما يلي:

• أسئلة وأجوبة حول معرفة الوثائق:قم بتحميل الكتب الدراسية والأوراق والوثائق التقنية وغيرها من المواد لبناء قاعدة معرفية شخصية، وقم بإجراء جلسات أسئلة وأجوبة وحل المشكلات بناءً على الوثائق.
• تصور التعلم التفاعلي:تحويل المعرفة المعقدة إلى تصورات بديهية وتمكين التعلم التفاعلي في السياق.
• تعزيز المعرفة وتوليد التمارين:يتم إنشاء اختبارات قصيرة وأسئلة تدريبية مخصصة بناءً على محتوى التعلم وفهم الطالب للمساعدة في تعزيز المعرفة.
• البحث المتعمق وإنتاج المحتوى:من خلال الجمع بين البحث عن RAG وصفحات الويب والأوراق الأكاديمية، يمكننا إجراء استكشاف للمواضيع واكتشاف المعرفة وإنشاء محتوى بحثي.

بالمقارنة مع أدوات الذكاء الاصطناعي التي تقدم الإجابات فقط،يؤكد DeepTutor على استمرارية عملية التعلم: من اكتساب المعرفة وفهم المفاهيم، إلى ممارسة المعرفة وتوطيدها، ثم إلى إجراء المزيد من البحوث المتعمقة.يمكن أن تشترك المراحل المختلفة في نفس سياق التعلم، مما يشكل تدريجياً سير عمل كامل للتعلم الشخصي.

تعمل DeepTutor باستمرار على تحسين قدرات برنامجها Agent وRAG وأدوات التطوير. ومنذ الإصدار 1.5.0 وحتى أحدث إصدار 1.5.11، تمت إضافة المشاريع تدريجياً. PageIndex، وGraphRAG، وGemini Embedding 2، وTraceable RAG References، وResponseing Effort Configuration by Model  كما أنه يعزز القدرات ويوسع نطاق الدعم لـ OpenAI و Anthropic ونماذج أخرى، بالإضافة إلى مختلف مزودي LLM.

وفي الوقت نفسه، يتوسع نظام أدوات الوكلاء الخاص بـ DeepTutor بشكل أكبر: حيث يدعم...قم بتسجيل الدخول إلى Codex باستخدام نظام ChatGPT عبر OpenAI Codex OAuthكما يتضمن خدمات Codex و MCP المستقلة على مستوى الحساب، بالإضافة إلى عدد كبير من تطبيقات CLI التي يمكن لـ Tutor استدعاؤها؛ كما تم دمج تطبيقات CLI للبرمجة مثل Gemini و Kimi و opencode و MiMo في My Agents، مما يسمح لـ DeepTutor بتجاوز الأسئلة والأجوبة المعرفية وإنشاء المحتوى واستدعاء أدوات خارجية لإكمال مهام أكثر تعقيدًا.

أما فيما يتعلق بقاعدة المعرفة وتجربة المستخدم، فقد أضافت الإصدارات الحديثة أيضاً... واجهة Gemini Embedding 2 الأصلية، واسترجاع PageIndex Agentic، وفهرسة GraphRAG، وتحليل الصور متعددة الوسائط، وحالة قاعدة المعرفة المحسّنة وقدرات الإشارة.وفي الوقت نفسه، تم إجراء تحسينات مستمرة على جوانب مثل استخدام الذاكرة، وتخزين الفهرس المؤقت، والتحميل غير المتزامن، وفهرسة LightRAG، وتوليد الاستجابة الطويلة، مما أدى إلى زيادة تحسين استقرار قواعد المعرفة المعقدة ومهام الوكيل طويلة الأمد.

لتسهيل تجربة DeepTutor للجميع، أطلق قسم الدروس التعليمية في HyperAI (hyper.ai) برنامج "مساعد التعلم الشخصي من DeepTutor"، والذي تم تعديله ليتوافق مع أحدث إصدار من DeepTutor. تم إعداد البيئة اللازمة، ويمكن للمطورين المهتمين البدء باستخدامه مباشرةً.

تشغيل عبر الإنترنت:https://go.hyper.ai/lhlEp

المزيد من الدروس التعليمية عبر الإنترنت:

https://hyper.ai/notebooks

تشغيل تجريبي

1. بعد الدخول إلى الصفحة الرئيسية لموقع hyper.ai، حدد صفحة "الدروس التعليمية"، أو انقر فوق "عرض المزيد من الدروس التعليمية"، وحدد "مساعد التعلم الشخصي DeepTutor"، وانقر فوق "تشغيل هذا البرنامج التعليمي".

2. بعد إعادة توجيه الصفحة، انقر فوق "استنساخ" في الزاوية اليمنى العليا لاستنساخ البرنامج التعليمي في الحاوية الخاصة بك.

ملاحظة: يمكنك تبديل اللغات في الزاوية العلوية اليمنى من الصفحة. حاليًا، اللغتان الصينية والإنجليزية متاحتان. سيوضح هذا البرنامج التعليمي الخطوات باللغة الإنجليزية.

3. حدد صور "NVIDIA RTX 5090-4" و "vllm"، وانقر فوق "متابعة تنفيذ المهمة".

4. انتظر حتى يتم تخصيص الموارد. بمجرد أن تتغير الحالة إلى "قيد التشغيل"، انقر فوق "فتح مساحة العمل" للدخول إلى مساحة عمل Jupyter.

عرض التأثير

١. بعد إعادة توجيه الصفحة، انقر على ملف README الموجود على اليسار. بمجرد الدخول، عدّل عنوان واجهة برمجة التطبيقات الخارجية في ملف التكوين system.json. تحديدًا، عليك استبدال YOUR_API_BASE بعنوان واجهة برمجة التطبيقات الفعلي الموضح على اليمين في القسم your_api = “YOUR_API_BASE” في الكود أدناه، ثم شغّل الكود.

٢. شغّل الكود في الخطوة الثانية لبدء واجهة المستخدم الرسومية. بعد بدء خدمة الويب، انقر على عنوان واجهة برمجة التطبيقات (API) على اليمين لفتح واجهة العرض التوضيحي.