DeepTutor本地部署教程：使用Ollama打造完全离线的AI学习助手

AI1天前发布 beixibaobao
3 0 0

____simple_html_dom__voku__html_wrapper____>

DeepTutor本地部署教程：使用Ollama打造完全离线的AI学习助手

【免费下载链接】DeepTutor "DeepTutor: Agent-Native Personalized Learning Assistant"

【免费下载链接】DeepTutor

项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor

DeepTutor是一款基于Agent-Native架构的个性化学习助手，通过Ollama支持完全离线部署，让你在没有网络连接的环境下也能享受智能学习体验。本教程将带你一步步完成从环境准备到启动使用的全过程，即使是新手也能轻松上手。

📋 准备工作：你需要这些环境和工具

在开始部署前，请确保你的系统满足以下要求：

  • 操作系统：Linux/macOS/Windows（推荐Linux或macOS以获得最佳体验）
  • 内存：至少8GB RAM（推荐16GB以上以流畅运行大语言模型）
  • 存储空间：至少20GB空闲空间（用于存储模型和应用数据）
  • 必要工具：Git、Python 3.8+、Docker和Docker Compose

如果你是Linux用户，可以通过以下命令快速安装基础依赖：

# Ubuntu/Debian示例
sudo apt update && sudo apt install -y git python3 python3-pip docker.io docker-compose

🏗️ 架构概览：DeepTutor如何工作

DeepTutor采用分层架构设计，确保离线环境下的功能完整性。核心架构包含四个主要层次：

DeepTutor架构图

  • 接入层：提供Web应用、命令行(CLI)和Python SDK三种交互方式
  • 核心功能层：包含聊天工作区、AI协同写作(Co-Writer)、引导式学习和自主导师(TutorBot)
  • 工具层：集成RAG知识库、代码执行、推理引擎等Agentic工具
  • 数据智能层：管理知识库、持久化记忆和学习笔记

这种架构设计让DeepTutor能够在完全离线环境下提供丰富的学习功能，所有数据处理都在本地完成，确保隐私安全。

🚀 步骤1：获取项目代码

首先，克隆DeepTutor项目仓库到本地：

git clone https://gitcode.com/GitHub_Trending/dee/DeepTutor
cd DeepTutor

项目结构清晰，主要目录功能如下：

  • deeptutor/：核心应用代码
  • web/：Web界面前端
  • docs/：官方文档
  • requirements/：依赖配置文件
  • scripts/：辅助脚本工具

🐋 步骤2：安装Ollama本地大语言模型

Ollama是DeepTutor实现完全离线的关键，它让你能够在本地运行各种大语言模型。

  1. 安装Ollama：

    • Linux用户：curl https://ollama.ai/install.sh | sh
    • macOS用户：从Ollama官网下载.dmg安装包
    • Windows用户：从Ollama官网下载.exe安装程序

  2. 启动Ollama服务：

    ollama serve

  3. 下载推荐模型（新终端执行）：

    # 基础模型（约4GB）
ollama pull mistral:7b
# 数学能力优化模型（推荐，约7GB）
ollama pull wizardlm2:7b

⚠️ 注意：模型下载需要网络连接，但只需一次。下载完成后即可完全离线使用。

⚙️ 步骤3：配置DeepTutor连接Ollama

  1. 复制配置模板并修改：

    cp deeptutor/config/defaults.py deeptutor/config/local_settings.py

  2. 编辑配置文件，设置Ollama为默认LLM提供商：

    # 在local_settings.py中添加
LLM_PROVIDER = "ollama"
OLLAMA_MODEL = "wizardlm2:7b"  # 或你下载的其他模型
OLLAMA_BASE_URL = "http://localhost:11434"

🔧 步骤4：安装项目依赖

DeepTutor提供了分类的依赖文件，我们需要安装服务器和TutorBot的依赖：

# 创建并激活虚拟环境
python -m venv venv
source venv/bin/activate  # Linux/macOS
# 或在Windows上: venvScriptsactivate
# 安装核心依赖
pip install -r requirements/server.txt
pip install -r requirements/tutorbot.txt

📦 步骤5：初始化知识库

DeepTutor的强大之处在于其本地知识库功能，我们需要初始化默认知识库：

python scripts/start_tour.py --init-knowledge

这将创建默认的知识库结构，你可以在后续添加自己的学习资料。初始化完成后，你可以通过知识库管理界面查看和管理内容：

DeepTutor知识库管理界面

🏃 步骤6：启动DeepTutor服务

现在，我们可以启动DeepTutor服务了。有两种方式可供选择：

方式1：使用Docker Compose（推荐）

docker-compose up -d

方式2：本地直接启动

# 启动Web服务器
python deeptutor/api/run_server.py
# 新终端启动TutorBot服务
python deeptutor/tutorbot/__main__.py

服务启动后，打开浏览器访问 http://localhost:8000 即可使用DeepTutor。

📝 步骤7：创建你的第一个学习笔记

DeepTutor的笔记本功能可以帮助你整理学习内容。让我们创建一个数学学习笔记：

  1. 在左侧导航栏中选择"Notebooks"
  2. 点击"+"按钮创建新笔记
  3. 输入标题和内容，系统会自动保存

DeepTutor知识库管理界面

你可以在笔记中插入公式、代码块和图表，DeepTutor会利用本地模型提供智能编辑建议。

🛠️ 常见问题解决

  • Ollama连接失败：检查Ollama服务是否运行，确认配置文件中的OLLAMA_BASE_URL正确
  • 内存不足：尝试使用更小的模型，如mistral:7b-instruct
  • 知识库无法加载：检查data/knowledge目录权限，确保应用有读写权限
  • Web界面无法访问：检查8000端口是否被占用，可修改deeptutor/config/local_settings.py中的PORT配置

更多故障排除指南可参考项目文档：docs/guide/troubleshooting.md

🎯 开始你的离线学习之旅

恭喜！你已经成功部署了完全离线的DeepTutor AI学习助手。现在你可以：

  • 使用聊天界面获取学习问题解答
  • 利用Co-Writer功能辅助论文和作业写作
  • 创建个性化学习路径和笔记
  • 探索各种内置学习工具和资源

DeepTutor的所有功能都在本地运行，保护你的学习数据隐私。开始探索这个强大的学习工具，提升你的学习效率吧！

【免费下载链接】DeepTutor "DeepTutor: Agent-Native Personalized Learning Assistant"

【免费下载链接】DeepTutor

项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor

© 版权声明
文章版权归作者所有，未经允许请勿转载。

相关文章

标签云