NeoTutor AI导师
AI Skill Hub 推荐使用：NeoTutor AI导师 是一款优质的AI工具。AI 综合评分 7.0 分，在同类工具中表现稳健。如果你正在寻找可靠的AI工具解决方案，这是一个值得深入了解的选择。
📚 深度解析
**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。
**安装与环境准备**
NeoTutor AI导师 依赖 Python 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 Python 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。
**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪 NeoTutor AI导师 的版本更新，及时通知重要功能变化。
📋 工具概览
基于LangChain与LangGraph构建的开源AI工作流系统，提供个人专属AI导师Agent功能。采用现代化架构重构DeepTutor理念，适合需要智能教学辅助、工作流自动化的开发者和教育工作者。
NeoTutor AI导师 是一款基于 Python 开发的开源工具，专注于 AI导师、工作流、LangGraph 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
📖 中文文档
基于LangChain与LangGraph构建的开源AI工作流系统，提供个人专属AI导师Agent功能。采用现代化架构重构DeepTutor理念，适合需要智能教学辅助、工作流自动化的开发者和教育工作者。
NeoTutor AI导师 是一款基于 Python 开发的开源工具，专注于 AI导师、工作流、LangGraph 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
# 方式一：pip 安装（推荐）
pip install neotutor
# 方式二：虚拟环境安装（推荐生产环境）
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install neotutor
# 方式三：从源码安装（获取最新功能）
git clone https://github.com/kaikai52125/NeoTutor
cd NeoTutor
pip install -e .
# 验证安装
python -c "import neotutor; print('安装成功')"
- 访问 GitHub 仓库页面
- 按照 README 文档完成依赖安装
- 根据系统环境完成初始化配置
- 参考官方示例或文档开始使用
- 遇到问题可在 GitHub Issues 中查找解答
# 命令行使用
neotutor --help
# 基本用法
neotutor input_file -o output_file
# Python 代码中调用
import neotutor
# 示例
result = neotutor.process("input")
print(result)
# neotutor 配置文件示例（config.yml） app: name: "neotutor" debug: false log_level: "INFO" # 运行时指定配置文件 neotutor --config config.yml # 或通过环境变量配置 export NEOTUTOR_API_KEY="your-key" export NEOTUTOR_OUTPUT_DIR="./output"
🚀 NeoTutor
基于 DeepTutor 理念重构的个人专属 AI 导师 Agent。本项目完全抛弃了原有的执行框架，底层采用 LangChain 与 LangGraph 进行彻底重写。通过构建基于图（Graph）的认知工作流与健壮的状态管理（State Management），实现了更具韧性的多智能体协同、反思纠错机制与 RAG 检索链路，专为打造高度定制化的 1v1 私人学习与效率助理。
技术栈：Python 3.10+ · FastAPI · LangChain · LangGraph · Next.js 16 · React 19 · TailwindCSS
------
🧩 七大功能模块
🌐 支持的提供商
| **类型** | **提供商** |
|---|---|
| **LLM (云端)** | OpenAI · Azure OpenAI · Anthropic · DeepSeek · OpenRouter · Groq · Together · Mistral |
| **LLM (本地)** | Ollama · LM Studio · vLLM · Llama.cpp |
| **Embedding** | OpenAI · Azure OpenAI · Jina · Cohere · HuggingFace · Google · Ollama · LM Studio |
| **网络搜索** | Perplexity · Tavily · Serper · Jina · Exa |
------
环境要求
- Python 3.10+
- Node.js 18+
- 至少一个 LLM API Key
🚀 快速开始
2. 安装
Bash
```
一键安装（推荐）
python scripts/install_all.py
或手动安装
pip install -r requirements.txt cd web && npm install ```
Docker
docker compose up -d ```
访问 http://localhost:3782
------
3. 🎓 Guide — 引导式学习
基于笔记本记录，生成逐步交互式 HTML 学习页面，支持多轮对话。
有状态图结构：
代码段
节点说明：
- locate_node: 从笔记本记录中 LLM 提取知识点列表（含标题/摘要/难度）
- interactive_node: 为当前知识点生成交互式 HTML 学习页面
- chat_node: 围绕当前知识点进行多轮问答
- advance_index_node: 推进至下一个知识点
- summary_node: 所有知识点学习完成后生成学习总结报告
- fix_html_node: 用户反馈渲染问题时重新生成 HTML
特性：
MemorySaverCheckpointer：跨连接保持会话状态。- 知识点进度追踪与完成检测。
- HTML 渲染异常一键修复。
------
3. 启动
Bash
```
1. 配置环境变量
Bash
cp .env.example .env.env 必填项：
代码段
```
5. 📝 Question — 智能题目生成
基于知识库内容，自动生成可配置的练习题目，支持仿真真实试卷风格。
3 节点验证流水线：
代码段
节点说明：
- retrieve_node: LLM 生成检索查询，并行拉取知识库上下文
- generate_node: 基于检索内容生成 N 道题目
- relevance_node: 分类验证题目与知识库的相关性，过滤低质量题目
特性：
- 可配置题目要求：难度、类型、主题、侧重点。
- 仿真模式：上传 PDF 试卷，仿照真实出题风格生成题目。
- 并行检索提升效率。
------
架构设计现代化，采用LangGraph等先进工具。但项目成熟度有限，社区认可度较低，适合探索学习而非直接生产部署。
- 构建多智能体协作系统的 Agent 开发者
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- Python 依赖冲突：建议用 venv / uv 隔离环境
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 构建多智能体协作系统的 Agent 开发者
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- Python 依赖冲突：建议用 venv / uv 隔离环境
👥 适合人群
🎯 使用场景
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
⚖️ 优点与不足
- +完全开源免费，无授权费用
- +本地部署，数据完全自主可控
- +开发者社区支持，遇问题可查可问
- −未明确开源协议，商用场景需谨慎评估
- −安装和初始配置可能需要一定技术基础
- −功能完整性通常不如成熟商业产品
- −技术支持主要依赖开源社区，响应速度不稳定
该工具未明确声明开源协议，商业使用前请联系原作者确认授权范围，避免侵权风险。
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
🔗 相关工具推荐
❓ 常见问题 FAQ
总体来看，NeoTutor AI导师 是一款质量良好的AI工具，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。
| 原始名称 | NeoTutor |
| 原始描述 | 开源AI工作流：基于 DeepTutor 理念重构的个人专属 AI 导师 Agent。本项目完全抛弃了原有的执行框架，底层采用 LangChain 与 LangGraph 进行。⭐13 · Python |
| Topics | AI导师工作流LangGraph教育Agent |
| GitHub | https://github.com/kaikai52125/NeoTutor |
| 语言 | Python |
收录时间：2026-05-31 · 更新时间：2026-06-02 · License：未公布 · AI Skill Hub 不对第三方内容的准确性作法律背书。