HKUDS의 DeepTutor는 내 자료로 퀴즈와 풀이와 리서치를 한곳에서 돌리는 오픈소스 AI 튜터입니다 | DAKER 커뮤니티

손그림 스케치풍 그림에서 책상 위 교재 더미와 노트북과 그래프가 그려진 공책이 점선 화살표로 이어져 있고, 가운데 찢은 종이 메모에 「내 자료로 공부하는 오픈소스 AI 튜터」 제목이 적힌 10초 모션 영상 미리보기입니다. 오른쪽 위에 DeepTutor 공식 로고가 있습니다
설명용 생성 이미지입니다. 10초 모션 영상 원본은 글 아래 첨부 파일에 있습니다.

2026년 10월 30일 오전 11시 31분(한국 시간) GitHub Trending 일간 1위는 HKUDS/DeepTutor입니다. 한 줄로 말하면 DeepTutor는 홍콩대 데이터 인텔리전스 연구실(HKUDS)이 공개한 에이전트 기반 학습 작업 공간으로, 내가 올린 교재와 문서를 지식 베이스로 삼아 질문 답변, 퀴즈 생성, 단계별 문제 풀이, 리서치, 시각화, 숙달 학습 경로를 한 세션 안에서 이어 줍니다. 대회 도메인 자료를 빠르게 익혀야 하는 DAKER 참가자라면 한 번 띄워 볼 만합니다.

DeepTutor는 무엇인가

저장소 설명은 DeepTutor를 평생 개인 맞춤 튜터(Lifelong Personalized Tutoring)라고 소개합니다. README에 따르면 Chat, Ask Questions, Quiz, Research, Visualize, Solve, Mastery Path, Immersive Reading, Audio Overview 같은 모드가 하나의 실행 환경과 세션 맥락을 공유하고, 지식 베이스와 노트, 문제 은행, 메모리를 여러 작업에서 다시 씁니다. 지식 베이스는 LlamaIndex, PageIndex, GraphRAG, LightRAG 같은 RAG 엔진 중에서 고를 수 있고, Obsidian 보관함이나 Kiwix 아카이브를 연결하는 방법도 적혀 있습니다.

2026년 10월 30일 오전 11시 34분(KST) GitHub API 기준 스타는 50,278개, 포크는 6,191개이고, 라이선스는 Apache License 2.0입니다. 주요 언어는 Python이며 웹 화면은 Next.js로 만들어졌습니다. 저장소는 2025년 12월 29일(KST)에 만들어졌고, 최신 릴리스는 2026년 10월 28일 오후 11시 13분(KST)에 나온 v1.7.0입니다. README에는 관련 논문 arXiv 2604.26962 링크도 붙어 있습니다.

메모리 구조도 눈에 띕니다. README는 L1 기록, L2 요약, L3 종합의 세 층으로 개인화 내용을 남기고, 메모리 그래프에서 어떤 요약이 어떤 기록에서 나왔는지 보고 고칠 수 있다고 설명합니다. 채팅 중에는 Claude Code, Codex, opencode, DeepSeek 같은 코딩 에이전트를 하위 에이전트로 불러 상의할 수도 있습니다.

정보 카드에 GitHub Trending 일간 1위, HKUDS/DeepTutor, 스타 50,278개, Apache-2.0 라이선스, Python, v1.7.0, 채팅과 퀴즈와 풀이와 리서치와 숙달 경로, 설치 명령과 실행 명령이 영어로 적힌 이미지입니다
2026년 10월 30일 오전 11시 34분(KST) GitHub 기준 DeepTutor 저장소 정보와 설치 방법입니다.
DeepTutor의 핵심은 질문 답변과 퀴즈와 문제 풀이와 리서치를 따로 돌리지 않고, 내가 넣은 자료와 학습 기록을 하나의 맥락으로 묶어 이어서 공부하게 한다는 점입니다.

DeepTutor는 왜 지금 뜨나

첫째, 새 버전이 막 나왔습니다. 10월 28일(KST)에 나온 v1.7.0은 README 기준으로 모듈식 설치, 새로 다듬은 학습 작업 공간, 블록 노트, 내레이션이 붙는 영상 강의, 임베딩 작업 재개 기능을 담았습니다. 2026년 10월 30일 오전 11시 31분(KST) 트렌딩 페이지에 표시된 오늘 받은 스타는 1,930개였습니다.

둘째, 릴리스 속도가 빠릅니다. README의 릴리스 목록을 보면 10월에만 v1.6.13(10월 4일), v1.6.14(10월 8일), v1.6.15(10월 19일), v1.7.0(10월 28일)이 나왔고, 릴리스 직후인 10월 29일(KST) 새벽에도 개발자 문서 정리 커밋이 이어졌습니다.

셋째, 사람뿐 아니라 다른 에이전트가 쓰기 좋게 만들어졌습니다. README는 DeepTutor가 다른 에이전트에게 조작되도록 설계됐다고 밝히며, deeptutor run 명령에 --format json을 붙이면 한 줄에 이벤트 하나씩 NDJSON으로 결과를 흘려보낸다고 설명합니다. 저장소 루트에는 에이전트에게 읽힐 SKILL.md 인수인계 문서도 있습니다. 같은 시각 일간 목록에는 obra/superpowers, pbakaus/impeccable, thedotmack/claude-mem처럼 코딩 에이전트에 스킬과 기억을 붙이는 저장소가 함께 올라 있습니다.

DeepTutor는 어떻게 써 보나

README는 네 가지 설치 경로를 안내합니다. 가장 간단한 것은 Docker 한 줄 체험으로, Python이나 Node.js 설치 없이 전체 앱을 띄운 뒤 브라우저에서 http://127.0.0.1:3782 주소로 열고 Settings → Providers에서 모델 제공자를 설정하면 됩니다.

docker run --rm --name deeptutor \
  -p 127.0.0.1:3782:3782 \
  -v deeptutor-data:/app/data \
  ghcr.io/hkuds/deeptutor:latest

PyPI로 설치할 때는 Python 3.11에서 3.14 사이와 Node.js 20 이상이 필요합니다. v1.7.0부터는 웹 앱과 CLI를 모두 쓰려면 deeptutor[full]을 설치해야 하고, 이름만 쓰면 핵심 채팅 기능만 깔립니다. deeptutor init은 백엔드 포트(기본 8001), 프런트엔드 포트(기본 3782), LLM 제공자와 API 키와 모델, 선택 사항인 임베딩과 검색 제공자를 차례로 묻습니다.

mkdir -p my-deeptutor && cd my-deeptutor
pip install -U "deeptutor[full]"
deeptutor init
deeptutor start

터미널에서 바로 쓸 수도 있습니다. deeptutor chat은 대화형 REPL을 열고, deeptutor run은 한 번 실행하고 끝납니다. --kb로 지식 베이스를 지정하면 그 자료를 근거로 답하고, --format json을 붙이면 스크립트나 다른 에이전트가 결과를 받아 쓸 수 있습니다. 아래는 README에 실린 예시입니다.

deeptutor run chat "Explain the Fourier transform" --kb textbook
deeptutor run deep_solve "Find d/dx[sin(x^2)]" --tool reason --format json

교육용 스킬은 DeepTutor가 기본 허브로 연결해 둔 EduHub에서 deeptutor skill search와 deeptutor skill install 명령으로 찾아 설치할 수 있습니다. 다만 v1.6.15 이하에서 올리는 경우 README가 안내하는 업그레이드 순서(런타임 폴더 백업, 예전 deeptutor-cli 패키지 제거 뒤 업그레이드)를 먼저 확인하는 편이 안전합니다.

DeepTutor는 어디에 쓰면 좋나

첫째, 낯선 도메인 대회를 시작할 때입니다. 의료, 항만, 금융처럼 배경지식이 필요한 대회라면 대회 안내문과 관련 논문, 교재 PDF를 지식 베이스로 넣고 Ask Questions와 Quiz 모드로 핵심 개념을 빠르게 점검할 수 있습니다. 답에 근거 문서가 붙는 RAG 구조라 출처를 되짚어 보기도 쉽습니다.

둘째, 팀원끼리 학습 진도를 맞출 때입니다. 같은 자료로 만든 퀴즈와 Mastery Path를 돌리면 해커톤 초반에 팀원 사이의 이해 수준 차이를 줄이는 데 도움이 됩니다.

셋째, 에이전트 파이프라인에 튜터 기능을 붙여 보고 싶을 때입니다. NDJSON 출력과 SKILL.md 덕분에 코딩 에이전트가 deeptutor run을 도구처럼 부를 수 있으니, 리서치 요약이나 문제 풀이 단계를 자동화 흐름에 끼워 넣는 실험을 해 볼 수 있습니다. Apache License 2.0이라 고쳐 쓰기도 자유롭습니다.

다만 LLM과 임베딩 제공자는 직접 연결해야 하고 기능 모듈이 많으니, 처음에는 Docker 체험으로 필요한 모드만 골라 써 보는 편이 좋습니다. 여러분은 새 대회의 도메인 지식을 익힐 때 어떤 방식으로 공부하시나요? AI 튜터나 RAG 도구를 써 본 경험이 있다면 댓글로 나눠 주세요.

출처