Tutoriel En Ligne | 35 000 Étoiles Atteintes : L’équipe De L’université De Hong Kong Publie DeepTutor, Une Plateforme Unique Reliant Questions-réponses, Apprentissage Interactif, Génération D’exercices Et Recherche Approfondie, En Open Source

À mesure que les modèles à grande échelle continuent de s'intégrer dans les scénarios d'éducation et d'apprentissage, les outils d'apprentissage basés sur l'IA évoluent, passant de simples fonctions de questions-réponses et d'assistance à des systèmes d'apprentissage complets qui couvrent l'acquisition, la compréhension, la pratique et la recherche des connaissances.Le laboratoire d'intelligence des données de l'université de Hong Kong (HKUDS) a mis en open source DeepTutor, un assistant d'apprentissage personnel.Cela unifie différents modes d'apprentissage tels que le chat, le quiz, la recherche, la visualisation, la résolution et le parcours de maîtrise dans un seul espace de travail d'agent, permettant aux apprenants de parcourir l'ensemble du cycle d'apprentissage, de l'acquisition des connaissances à la maîtrise et à la recherche, au sein d'un même environnement.

Articles connexes :

https://hyper.ai/papers/2604.26962

Le concept fondamental de DeepTutor est « un environnement d'exécution pour chaque mode ».Contrairement aux outils traditionnels qui séparent les différentes fonctions les unes des autres,DeepTutor permet à différents modes d'apprentissage de partager le même système d'agents.Les utilisateurs n'ont plus besoin de changer constamment d'outil ; bases de connaissances, livres, notes, banques de questions et ressources pédagogiques peuvent être utilisés en continu pour différentes tâches. Qu'il s'agisse de comprendre un concept complexe, de résoudre un problème difficile, de planifier un parcours d'apprentissage ou de mener des recherches sur un sujet précis, tout peut se faire directement en langage naturel.

Sur le plan technique, DeepTutor intègre un moteur RAG multi-agents, la recherche web en temps réel, des bases de données d'articles académiques, l'exécution de code Python et des sous-agents invoqués à la demande, ce qui lui permet d'effectuer automatiquement l'analyse des intentions, la recherche de connaissances, la décomposition des tâches et la génération de contenu en fonction des besoins de l'utilisateur. Ses principales fonctionnalités sont les suivantes :

• Questions-réponses sur la connaissance des documents :Téléchargez des manuels scolaires, des articles, des documents techniques et autres supports pour constituer une base de connaissances personnelle, et effectuez des exercices de questions-réponses et de résolution de problèmes basés sur des documents.
• Visualisation interactive de l'apprentissage :Transformer des connaissances complexes en visualisations intuitives et permettre un apprentissage interactif en contexte.
• Renforcement des connaissances et génération d'exercices :Des quiz et des exercices personnalisés sont générés en fonction du contenu pédagogique et de la compréhension de l'étudiant afin de renforcer ses connaissances.
• Recherche approfondie et création de contenu :En combinant RAG, les pages web et les recherches dans les articles universitaires, nous pouvons mener une exploration thématique, une découverte de connaissances et une génération de contenu de recherche.

Comparé aux outils d'IA qui se contentent de fournir des réponses,DeepTutor met l'accent sur la continuité du processus d'apprentissage : de l'acquisition des connaissances et de la compréhension des concepts, à la pratique et à la consolidation des connaissances, puis à la réalisation de recherches approfondies.Différentes étapes peuvent partager le même contexte d'apprentissage, formant progressivement un flux de travail d'apprentissage personnel complet.

DeepTutor a récemment amélioré en continu les fonctionnalités de son agent, de son RAG et de ses outils de développement. De la version 1.5.0 à la dernière version 1.5.11, de nouveaux projets ont été progressivement ajoutés. PageIndex, GraphRAG, Gemini Embedding 2, références RAG traçables et configuration de l'effort de raisonnement par modèle  Il améliore également les capacités et étend encore la prise en charge d'OpenAI, d'Anthropic et d'autres modèles, ainsi que de différents fournisseurs de LLM.

Dans le même temps, l'écosystème d'outils Agent de DeepTutor continue de s'étendre : il prend désormais en charge…Connectez-vous à Codex en utilisant le schéma ChatGPT via l'authentification OAuth d'OpenAI Codex.Il comprend également des services Codex et MCP indépendants au niveau du compte, ainsi qu'un grand nombre d'applications CLI que Tutor peut appeler ; des interfaces de ligne de commande de codage telles que Gemini, Kimi, opencode et MiMo ont également été intégrées à Mes Agents, permettant à DeepTutor d'aller au-delà des questions-réponses sur les connaissances et de la génération de contenu et d'appeler des outils externes pour effectuer des tâches plus complexes.

En termes de base de connaissances et d'expérience utilisateur, les versions récentes ont également ajouté… Interface native Gemini Embedding 2, récupération PageIndex Agentic, indexation GraphRAG, analyse d'images multimodales et capacités améliorées de gestion et de référencement des bases de connaissances.Parallèlement, des optimisations continues ont été apportées à des aspects tels que l'utilisation de la mémoire, la mise en cache des index, le téléchargement asynchrone, l'indexation LightRAG et la génération de réponses longues, améliorant ainsi la stabilité des bases de connaissances complexes et des tâches d'agents de longue durée.

Pour permettre à tous de découvrir rapidement DeepTutor, la section tutoriels d'HyperAI (hyper.ai) propose le tutoriel « Assistant d'apprentissage personnel DeepTutor », adapté à la dernière mise à jour de DeepTutor. L'environnement nécessaire est déjà configuré et les développeurs intéressés peuvent l'utiliser immédiatement.

Exécutez en ligne :https://go.hyper.ai/lhlEp

Plus de tutoriels en ligne :

https://hyper.ai/notebooks

Essai de démonstration

1. Après avoir accédé à la page d'accueil de hyper.ai, sélectionnez la page « Tutoriels », ou cliquez sur « Voir plus de tutoriels », sélectionnez « Assistant d'apprentissage personnel DeepTutor », puis cliquez sur « Exécuter ce tutoriel ».

2. Une fois la page redirigée, cliquez sur « Cloner » en haut à droite pour cloner le tutoriel dans votre propre conteneur.

Remarque : Vous pouvez changer de langue en haut à droite de la page. Actuellement, le chinois et l’anglais sont disponibles. Ce tutoriel présente les étapes en anglais.

3. Sélectionnez les images « NVIDIA RTX 5090-4 » et « vllm », puis cliquez sur « Continuer l'exécution de la tâche ».

4. Attendez que les ressources soient allouées. Une fois que le statut passe à « En cours d'exécution », cliquez sur « Ouvrir l'espace de travail » pour accéder à l'espace de travail Jupyter.

Affichage des effets

1. Une fois la page redirigée, cliquez sur le fichier README à gauche. Dans ce fichier, modifiez l'adresse de l'API externe dans le fichier de configuration system.json. Plus précisément, remplacez YOUR_API_BASE par l'adresse de l'API réelle indiquée à droite dans la section your_api = "YOUR_API_BASE" du code ci-dessous, puis exécutez le code.

2. Exécutez le code de l'étape deux pour démarrer l'interface Web. Une fois le service Web démarré, cliquez sur l'adresse de l'API à droite pour ouvrir l'interface de démonstration.