先给结论：能抄，但最值得抄的不是“把教材喂进去”那一下。
DeepTutor 是香港大学 HKUDS 团队开源的 AI 学习工作台。10 月 30 日它冲到 GitHub 日榜第一，当天新增约 1930 颗星。 截至 11 月 6 日，仓库有 55452 星、6799 次 fork，Apache-2.0 协议。UP主们演示的流程大同小异：把教材、论文、笔记导入知识库，让 AI 排学习路径、生成讲义、出题、批改，再把错题沉淀成记忆。听起来，这就是“定制学习资料”的终点。知乎
但第一批真正上手的人，先撞上的是墙。
B站 UP主 AIlazy俊 用 Qwen2.5 14B 和 Qwen3 4B 在本机实测：一道四年级的 102×38，基础计算答对了，要求“先给提示”也照做了；但让它生成交互页面，比例、排版、重置和更新全出问题，改完仍没通过。 另一位 UP主锋奈徳 自建五段知识库，五道题里三道答案故意不在库里，中文召回只有 0.4；换英文测试，召回又虚高到 0.6，因为检索只比字面重合。 它确实会“基于你的资料”，但资料没覆盖到的地方，它未必老实说不知道。哔哩哔哩B站
评论区比视频更接近普通人的使用现场。有人部署完又修了两天 bug，最后觉得学习的时间还没有折腾的时间长。 也有人夸讲解出题好用，但建知识库每次要几个小时，库一大就打不开；还有人直接点破，讲内核、讲能做什么的内容很多，讲操作层面的很少，对于只是想拿它辅助学习的人来说，门槛不低。哔哩哔哩
这不是说 UP主的方法不能学，而是要把“方法”和“项目”分开。
真正可复制的，是另一位 UP主把五本人教 A 版高中数学教材整理成 197 个概念知识页、27 组章节对比和 1355 张图版的过程，哪怕他用的不是 DeepTutor。 这部分工作没有魔法：把书拆成知识点，给每块起名字，标好它们之间的关系。AI 只能在这套结构上出题、讲解、找关联；结构本身得人来搭。另一个可复制的动作，是让 AI 先问你三个问题、再讲、再出五道题、最后只讲错因——这比“帮我总结一下”更能暴露你到底哪儿不会。B站
所以我的建议是分两档。只想试试的，别装 DeepTutor：拿你手头最想学的一章 PDF，丢给能读文件的聊天模型，直接要求它先问三个问题判断你的水平，再按你的回答讲这一段，最后出五道题，错了只讲错因；再问一个你确定资料里没有答案的问题，看它会不会编。半小时就能判断它对你有没有用。
确定要长期用、资料多、又在意隐私的，再考虑自托管：官方最快的路径是 Docker，不用装 Python 和 Node，但你得先有 Docker，还要接自己的模型 API。免费的是软件，算力要自己付。 桌面版目前还是预览，官方 README 让人去 CI 产物里下载，还要登录 GitHub，产物 7 天过期。知乎
还有一件事：别把“装好了”当成“学会了”。5.5 万星说明很多人确实想要一个能陪自己学下去的工具，不是证明它已经能替你把知识学进脑子。资料怎么切、题怎么出、错在哪，仍然是你要做的判断。
