DeepTutor, ein Open-Source-Projekt des HKUDS-Labors an der Universität Hongkong, hat diese Woche 51.000 GitHub-Sterne überschritten und an einem einzigen Tag 2.282 dazugewonnen – der zweitschnellste Aufsteiger auf GitHubs Trending-Seite am Freitag.
Die Beschreibung untertreibt: "Lifelong Personalized Tutoring". Tatsächlich ist es ein agentiver Lernarbeitsplatz unter Apache-2.0, gebaut mit Next.js, React und FastAPI, in den man eigenes Material legt – PDFs, Vorlesungsvideos, Code-Repositories – und dafür Nachhilfe, schrittweises Problemlösen, generierte Quizze, Recherchehilfe, Visualisierungen und Fortschrittsverfolgung bekommt. Die Oberfläche ist um Chat-, Buch- und Gedächtnis-Panels organisiert, nicht um eine einzelne Prompt-Box.
Der Grund für die Verbreitung ist das Letzte. DeepTutors Gedächtnis ist als inspizierbar gedacht: Spuren, Zusammenfassungen und ein Gedächtnisgraph, der das, was das System über einen zu wissen glaubt, mit der Evidenz verbindet, aus der es stammt. Man kann es lesen und bearbeiten. Für ein Produkt, dessen ganze Prämisse es ist, die Schwächen eines Lernenden über Monate zu kennen, ist das eine Aussage über Vertrauen so sehr wie über Fähigkeit – die meisten KI-Tutoren verlangen, dass man ein unsichtbares Modell der eigenen Kompetenz akzeptiert.
Self-Hosting ist die andere Hälfte des Versprechens. Nachhilfedaten sind ungewöhnlich sensibel: ein über Jahre aufgebautes Profil dessen, was jemand nicht versteht, will kaum eine Familie in der Datenbank eines Anbieters hinter einem Preis pro Sitzplatz wissen. Den Stack selbst zu betreiben, mit eigenen Modellschlüsseln, verschiebt Kosten und Obhut zugleich.
Der Umfang ist kein Spielzeug – rund 2.153 Dateien und über 800.000 Zeilen Produkt-, Test- und Tooling-Code, laut einer unabhängigen Analyse von SeeRepo, die außerdem fand, dass etwa ein Viertel der 2.305 Commits von KI-Coding-Werkzeugen signiert wurde. Das ist nützlich zu wissen, wenn man die Sternzahl als Qualitätssignal liest: Das Projekt ist selbst ein Beispiel für den Workflow, für den es gebaut ist.
Es setzt auch ein Muster fort. HKUDS hat eine Reihe schnell steigender Repositories hervorgebracht – unter anderem CLI-Anything – und gilt als eine der verlässlichsten Quellen für offene Agenten-Werkzeuge.
Die Warnung ist die, die für jedes trendende Repository gilt: Sterne messen Neugier, nicht Klassenzimmer-Adoption. Ein selbst gehosteter Tutor ist nur so gut wie das Modell dahinter, die Qualität seines Retrievals über das eigene Material und die Disziplin der Person, die ihn nutzt. Nichts an 51.000 Sternen beweist einen Lernerfolg.
Zu beobachten: ob der Gedächtnisgraph den Kontakt mit echter mehrjähriger Nutzung übersteht, ob Schulen und Hochschulen es forken statt Einzelpersonen – und ob die nächste Version die Prüfbarkeit behält, die das Projekt interessant gemacht hat.
