Se chiedi a ChatGPT di spiegarti la differenza tra derivata e differenziale, ottieni quasi sicuramente la risposta che ti serve. Il giorno dopo, però, la chat non sa più cosa ti aveva confuso, non ricorda quale passaggio ti era chiaro e non può dirti se hai capito o hai solo riconosciuto una spiegazione già vista. DeepTutor è un’applicazione gratuita e open source, costruita per aiutarti nel tuo percorso di studi. È sviluppata dal Data Intelligence Lab dell’Università di Hong Kong, usa la licenza Apache 2.0, che permette di usarla e modificarla gratis, e in dieci mesi ha superato le 50 mila stelle su GitHub.
Un modello linguistico risponde bene a una domanda, ma non sa cosa hai già studiato, non controlla se hai capito e non sa organizzarti il lavoro nelle settimane successive. DeepTutor invece aggiunge queste tre funzioni: conserva la memoria di ciò che fai, collega le risposte ai tuoi documenti e ti mette alla prova con quiz e percorsi di studio. Il tutto può girare sul tuo computer, con i tuoi file. Non è un programma pronto all’uso e adatto a tutti, come una chat conversazionale. Servono Python o Docker, una chiave API per un servizio online come OpenRouter oppure un modello locale, un po’ di tempo per la configurazione e la voglia di imparare. In cambio offre una cosa che una chat normale non ha: la possibilità di riprendere lo studio dal punto in cui eri rimasto.
La differenza tra una chat e un registro di apprendimento
Una chat normale funziona così. Apri una conversazione, scrivi una domanda, ricevi una risposta. Se chiudi e riapri dopo una settimana, il modello non ha più il testo di quella conversazione e riparte da zero. Inoltre la finestra di contesto, cioè la quantità di testo che il modello può leggere in una volta, non è un archivio permanente. È lo spazio temporaneo di una singola sessione. Le chat più recenti hanno aggiunto un riassunto automatico delle conversazioni e i progetti, quindi non sono rimaste ferme. Però quel riassunto è gestito dal fornitore, non ha un formato che puoi aprire e correggere, e descrive le tue preferenze in modo approssimativo. Non contiene l’elenco delle prove che hai superato, degli errori che hai ripetuto e degli argomenti che restano aperti.
DeepTutor conserva queste informazioni in una cartella sul tuo computer. Ogni funzione, dalla chat ai quiz ai libri, legge e aggiorna gli stessi dati. Se oggi sbagli un esercizio sulle derivate, il quiz di domani parte da quell’errore; se carichi le dispense del corso, le risposte possono citarle. Il vantaggio non è che il modello sia più intelligente, ma che sa cosa hai fatto prima. In pratica tiene un registro, cioè un elenco delle prove superate e degli errori da rivedere. Da questa organizzazione nascono alcuni vantaggi.
- Continuità. Riprendi dall’ultima lezione o dall’ultimo esercizio, senza rispiegare il tuo livello.
- Fonti verificabili. Ogni risposta può citare il PDF o la nota da cui ha preso l’informazione, e puoi aprire la fonte.
- Esercizio attivo. I quiz ti chiedono di ricordare un concetto, non solo di rileggerlo.
- Ordine. Un percorso di studio decide quali argomenti vengono prima e quali puoi rimandare.
- Promemoria. Un Partner, cioè un assistente AI collegato a Telegram o WhatsApp, può mandarti un quiz a un orario stabilito quando sei lontano da DeepTutor.
- Controllo dei dati. File, chiavi e modelli restano sul tuo computer o sul server che scegli.
- Estensibilità. Puoi usare le stesse funzioni dal terminale, cioè la finestra in cui si scrivono i comandi, e aggiungere strumenti già pronti dal catalogo EduHub, un elenco pubblico di estensioni.
Nessuno di questi vantaggi è esclusivo di DeepTutor. La differenza è che qui si trovano nella stessa applicazione e usano gli stessi dati. Un modello generico, come ChatGPT o Claude, spesso spiega meglio e conosce più cose, ma non tiene un registro di ciò che hai imparato. Con DeepTutor smetti di rispiegare ogni volta a che punto sei e chiedi cose più precise. Il sistema funziona bene solo se lo usi e lo aggiorni con costanza. Chi cerca una risposta immediata farà prima ad aprire ChatGPT (o la tua chat AI preferita) in una scheda del browser. Chi studia la stessa materia per mesi troverà più utile DeepTutor.
Come funzionano spiegazione, quiz e verifica
La funzione Chat non è una casella di testo. È un ciclo di azioni: il modello legge la domanda, decide se gli serve uno strumento (cercare in un documento, eseguire un calcolo, aprire un sito), lo usa, legge il risultato e poi risponde. Se la richiesta è ambigua, può fermarsi e chiederti un chiarimento invece di inventare. Nel pannello Activity, cioè la cronologia delle azioni, vedi ogni passaggio e ogni fonte, uno per uno.
Oltre alla Chat ci sono funzioni con passaggi fissi. Solve divide un problema in parti, controlla i risultati e cita le fonti. Quiz crea domande dai tuoi materiali e dichiara la difficoltà. Research cerca in più fonti e produce un rapporto con le citazioni. Visualize crea diagrammi, grafici e animazioni matematiche con Manim, un programma che genera video animati. Mastery Path è la funzione più utile per chi studia una materia a lungo.
Mastery Path parte da una capacità precisa, non da un argomento da leggere. Per esempio: saper scegliere e applicare la sostituzione o l’integrazione per parti negli esercizi d’esame, spiegando perché il metodo funziona. Il tutor legge i materiali, ti chiede quanto tempo hai e cosa sai già, poi costruisce una mappa di moduli e punti di conoscenza. Ogni punto è classificato come memoria, procedura, concetto o capacità di progettare. La classificazione cambia il tipo di prova: una definizione si verifica chiedendoti di ripeterla, una procedura si verifica facendoti risolvere un esercizio. Si passa al punto successivo solo dopo una prova superata, oppure dopo che hai dichiarato di averlo capito; in quel caso il sistema registra che la dichiarazione viene da te e non da una verifica.
Oltre a questa funzione principale ci sono Practice, che ripete gli esercizi a distanza di giorni, Books, che trasforma i materiali in capitoli modificabili, e Immersive Reading, che apre un PDF o un video con la trascrizione accanto alla chat. I Partner portano le stesse funzioni fuori dal browser: possono rispondere su Telegram, WhatsApp o Discord e mandarti un quiz ogni giorno feriale alle nove.
Il punto debole è la verifica. Se un modello genera le domande e poi corregge le risposte, tende a essere indulgente. La verifica è un aiuto, non un esame universitario. Usala per capire a che livello sei. Se il tutor dice che hai padroneggiato un argomento, chiediti: saprei spiegarlo a voce, senza appunti, a chi non lo conosce?
Installare DeepTutor: Docker, pip o il tuo agente AI
Il modo più rapido per l’installazione è usare Docker, un programma che esegue un’applicazione dentro un contenitore isolato, cioè uno spazio separato con tutto ciò che gli serve, senza installare Python o Node.js sul computer. Se ce l’hai già, basta un comando:
docker run --rm --name deeptutor \
-p 127.0.0.1:3782:3782 \
-v deeptutor-data:/app/data \
ghcr.io/hkuds/deeptutor:latestQuindi, per aprire l’interfaccia web all’indirizzo http://127.0.0.1:3782, vai in Settings → Models & services e inserisci la chiave API del fornitore del modello. Il programma ascolta solo su 127.0.0.1, quindi non è visibile dagli altri computer della rete. Per una prova va bene anche se per l’uso quotidiano potresti trovarlo scomodo da aggiornare e da controllare.
L’installazione con pip, lo strumento che scarica i pacchetti Python, è quella che consiglio se pensi di usarlo ogni giorno. Servono Python dalla versione 3.11 alla 3.14 e Node.js 20 o superiore, preferibilmente Node.js 22 LTS, cioè la versione con supporto a lungo termine. Node.js esegue l’interfaccia web. Entrambi devono essere installati e raggiungibili dal terminale. Su Windows:
mkdir deeptutor
cd deeptutor
py -3.12 -m venv .venv
.\.venv\Scripts\Activate.ps1
python -m pip install "deeptutor[full]==1.7.0"
deeptutor init
deeptutor startIl comando venv crea un ambiente Python isolato, così le librerie di DeepTutor non si mescolano con quelle di altri programmi. Se Windows blocca l’esecuzione degli script, sblocca solo la finestra corrente con Set-ExecutionPolicy -Scope Process -ExecutionPolicy Bypass. Su macOS e Linux la sequenza è la stessa, con python3 -m venv .venv e source .venv/bin/activate.
La procedura guidata di init chiede due porte, cioè i numeri che il browser usa per collegarsi al programma: 8001 per il server e 3782 per l’interfaccia. Poi chiede il fornitore del modello, il relativo indirizzo e la chiave API, oltre a un modello di embedding, cioè il sistema che trasforma il testo in numeri per cercare dentro i documenti, e, se vuoi, un servizio di ricerca web. Prima di caricare i materiali, controlla che tutto funzioni:
deeptutor doctor
deeptutor doctor --onlineIl primo comando legge solo le impostazioni locali; il secondo manda una richiesta minima al fornitore. Se per la configurazione, le credenziali, l’indirizzo del servizio e la cartella dei dati compare il risultatoPASS, puoi creare la prima base di conoscenza
, cioè una raccolta di documenti che il programma può cercare e citare:
deeptutor kb create analisi --docs-dir .\dispense
deeptutor kb search analisi "teorema della media integrale"
deeptutor run chat "Spiegami il teorema citando le dispense" --kb analisi -l itCon l’installazione da pip, i dati finiscono in data/, dentro la cartella da cui lanci i comandi. Puoi spostarli con la variabile DEEPTUTOR_HOME, cioè un’impostazione che indica dove salvare i dati, o con l’opzione --home, utile per tenere separati due corsi. Per aggiornare usa python -m pip install --upgrade "deeptutor[full]".
Per chi invece già usa Claude Code, Codex, OpenCode o un altro agente AI, la via è ancora più semplice. Apri una nuova sessione, scegli una cartella — per esempio D:/deeptutor su Windows — e invia quindi tutte le istruzioni di installazione tramite un prompt. Questo è il prompt consigliato dagli sviluppatori di DeepTutor:
Installa DeepTutor dalla versione di sviluppo su GitHub (https://github.com/HKUDS/DeepTutor). Leggi docs-for-dev/AGENT_SETUP.md e SKILL.md, prepara l'ambiente, configura il modello, verifica e avvia l'interfaccia web. Chiedimi i dati mancanti, non stampare le chiavi e conserva le impostazioni esistenti.La memoria di DeepTutor: dove si trova e come correggerla
Come abbiamo già detto, la memoria è la funzione che distingue DeepTutor. La memoria è una serie di file di testo che puoi aprire con un editor. Si trovano in data/memory e sono divisi in tre parti.
La prima, L1, conserva le tracce delle attività: le domande fatte in chat, i quiz svolti, le pagine lette. La seconda, L2, riassume i fatti emersi da ogni attività, per esempio “ha sbagliato tre volte il teorema di Carnot“, e cita la traccia da cui ha preso l’informazione. La terza, L3, unisce questi fatti in un profilo: cosa stai studiando, cosa hai capito, quali preferenze hai. Il Memory Graph è una schermata che mostra i collegamenti tra il profilo e le attività da cui è stato ricavato.
Queste tre parti rendono la personalizzazione controllabile. Se c’è scritto che sei alle prime armi con la statistica e non è vero, apri il documento L3, leggi la frase, risali alla fonte e la correggi. Nelle chat normali puoi solo scrivere “non sono un principiante” e sperare che il modello lo ricordi. Da terminale puoi vedere tutto con deeptutor memory show L3 o deeptutor memory show chat, e cancellare le tracce con deeptutor memory clear trace --force.
Lo stesso principio vale per i documenti. Il Knowledge Center, la sezione che gestisce le basi di conoscenza, può usare quattro sistemi di ricerca: LlamaIndex, PageIndex, GraphRAG e LightRAG. Sono modi diversi di organizzare e cercare i testi. LlamaIndex è il più semplice per un gruppo di dispense. GraphRAG costa più token, cioè più porzioni di testo fatturate, durante la preparazione della base di conoscenza, ma collega concetti tra loro. Tra le integrazioni c’è Obsidian, un’app per prendere appunti.
Per un esame con cinque PDF, LlamaIndex basta. Per una materia che studierai per anni, con note collegate, ha senso usare un sistema più potente come GraphRAG.
Il vantaggio più importante riguarda il controllo dei dati. I file risiedono sul tuo disco, le chiavi sono in data/user/settings, e il programma può usare modelli locali come Ollama, LM Studio, llama.cpp o vLLM, cioè programmi che fanno girare il modello sul tuo computer. Puoi scegliere un modello economico per i quiz e uno più potente per le spiegazioni approfondite, senza cambiare applicazione.
Controlla il profilo memoria una volta a settimana, correggi le preferenze quando non sono più giuste, e usa le istruzioni dello spazio di lavoro per le regole del corso. La memoria è una cartella di file che puoi correggere, non una verità automatica.
Conviene tenere o disinstallare DeepTutor?
NotebookLM di Google è ottimo per interrogare un gruppo di documenti e ottenere risposte con citazioni, ma non costruisce un percorso di studio né conserva le prove che hai superato. La modalità studio di ChatGPT ti guida con domande invece di darti subito la soluzione, ma richiede un account ChatGPT e il codice non è pubblico. DeepTutor non è migliore in nessuno dei due compiti presi singolarmente. È utile quando ti servono insieme memoria, documenti e verifica. Questo vantaggio cresce con il tempo. Dopo qualche mese, la cronologia di una chat è un elenco di risposte scollegate; il registro di DeepTutor mostra cosa hai fatto e cosa hai superato.
Se devi preparare un esame che dura mesi o mantenere aggiornata una competenza professionale, un’ora di configurazione può valere la pena. Se dopo qualche giorno o settimana ti accorgi che passi più tempo a configurare modelli e indici che a studiare, non è pronto per il tuo modo di studiare, disinstallalo e non pensarci più.
