DeepTutor

要解决的问题

自主学习时，几个需求经常分散在不同工具里：难题缺少逐步引导，练习题要自己东拼西凑，做主题研究缺少结构化调研流程，抽象概念难以直观理解，学习计划全靠手动安排。DeepTutor 把这些场景收拢到一个技能里，按用户意图自动路由到对应能力，减少在多个工具间来回切换的成本。

核心能力

• chat — 苏格拉底式问答与概念解释
• deep_solve — 数学、逻辑、证明类题目的逐步求解
• deep_question — 从给定主题自动生成测验或考试题
• deep_research — 多阶段调研并输出书面报告
• visualize — 图表、示意图与 HTML/SVG 可视化
• math_animator — 用 Manim 生成数学概念动画
• mastery_path — 基于知识图谱的自适应学习路径

工作流程

1. 先检查环境是否已安装，未安装则触发安装流程
2. 通过 detect 命令识别用户意图，返回对应的 capability
3. 调用对应命令执行，CLI 直接调用可获得更丰富的输出
4. 可选挂载知识库，补充领域资料
5. 支持通过 WebSocket API 进行程序化访问，服务端事件类型包括 text、tool_use、tool_result、thinking、done、error

适用边界

• 运行环境要求 Python 3.11+
• 适合结构化学习与主题调研，不能替代完整的正式课程体系
• math_animator 依赖 Manim，动画质量取决于输入的数学内容
• mastery_path 的学习路径基于内置知识图谱，学科覆盖范围有限
• 大规模并发场景需自行评估服务端性能