DeepTutor CLI 技能
让 AI 代理通过命令行完整配置、管理和使用 DeepTutor 学习平台，覆盖对话、知识库、记忆、会话等全部能力。
该技能本体为CLI文档型SKILL.md，不含自动执行代码；删除类操作(kb delete、memory clear、session delete)显式提供确认与--force跳过，数据流(设置写入data/user/settings、技能安装经ClawHub且默认带--allow-unverified安全门)披露较清楚；扣分点：技能安装命令本身可引入第三方代码、--allow-unverified的默认门禁语义需执行验证，且'exec'等上下文自动挂载工具的边界未在SKILL.md层面说明。
命令面覆盖完整、参数与示例一致，与AGENTS.md交叉印证口径一致，happy path可信；但静态审阅无法执行，无该技能关键路径的测试证据、错误反馈与异常输入行为描述，依锚点上限不给超过10。
'When to Use'清晰列出场景，能力清单(kb/partner/book/memory等)边界较明确，支持--language参数且有zh prompts(见AGENTS.md)，中文支持有依据；扣分：对依赖LLM/搜索外部服务的可达性与失败模式未声明，触发精度与环境适配证据有限。
文档结构良好、安装与依赖说明完备、仓库有Apache-2.0、版本发布记录(v1.6.6)与维护者信息(CONTRIBUTING列明maintainer)；扣分：SKILL.md自身无版本/changelog、未披露已知限制与故障排查，维护责任针对该SKILL.md文件本身不明确。
工作流示例具体且与命令表自洽，作为CLI教学技能对用户有边际价值；但静态审阅无法验证输出可直接使用，README的营销性发布说明不构成执行证据，按锚点不高于7，扣分在直接可用性证据不足。
存在CI提及、pre-commit配置与tests目录引用等次要旁证，但所选SKILL.md的关键路径无提交的针对性测试或第三方执行证据，结论主要基于文件自洽推理，按静态上限不高于5。
- 本次为静态源码审阅，未执行任何命令，所有结论置信度为低。
- deeptutor skill install 可从外部ClawHub安装第三方技能包；--allow-unverified 的门禁语义需自行评估风险。
- 该技能依赖LLM/embedding/搜索等外部服务，Core功能在中国大陆网络可达性未声明，使用前请确认。
- 上下文自动挂载的工具（如exec沙箱执行）边界在SKILL.md层面未说明，建议部署时注意隔离配置。
- 删除类命令(kb delete/session delete)存在--force跳过确认路径，误用可能造成数据丢失。
这个 Skill 能做什么，适合哪些场景？
这是 HKUDS/DeepTutor 仓库根目录的 SKILL.md，教任何会用工具的大模型读懂并操作 deeptutor 命令行。DeepTutor 本身是一个开源的智能学习平台（Apache-2.0，Python 3.11+），本技能则把它的 CLI 界面整理成一份约 150 行的交接文档。代理读完后即可执行聊天与七种能力（深度求解、出题、深度研究、可视化、数学动画、掌握路径等）、管理知识库、IM 伙伴、技能、记忆、会话和笔记本，并启动 API 服务器或完整 Web 应用。仓库由 HKUDS 实验室维护，2025 年 12 月底发布，社区活跃。
该技能本身是一份说明文档：它向代理列出 deeptutor 的全部命令和标志，包括 deeptutor init 引导式初始化、chat/run 执行七种能力（chat、deep_solve、deep_question、deep_research、visualize、math_animator、mastery_path），--tool 挂载 brainstorm、web_search、rag、reason 等工具，kb 子命令创建、搜索和管理 RAG 知识库，partner 启停 IM 连接的学习伙伴，skill 从 ClawHub 等技能中心搜索和安装技能，book/memory/session/notebook/provider/config/serve/start 等系统管理命令，以及 REPL 内的斜杠命令。--format 输出 NDJSON 流，便于代理逐行解析；--session 可在有状态会话中串联多轮。
- 终端重度用户想在命令行里直接与 DeepTutor 对话、做题和检索文档，不开浏览器
- 开发者想用 Claude Code 或 Codex 驱动 DeepTutor，把 run 命令包装成 LangChain/AutoGen 循环中的工具
- 学习者想从 PDF 教材建立知识库，然后带 rag 工具提问或生成 5 道热力学测验题
- 运维者想在服务器上无头启动 FastAPI 后端（deeptutor serve）或后端加前端的完整 Web 应用（deeptutor start）
- 研究者想用 deep_research 基于自己的论文知识库生成带引用的报告
- 教学者想通过 partner 命令创建连接即时通讯平台的持久化学习伴侣
这个 Skill 有哪些优点和局限？
- 一份约 150 行的 SKILL.md 覆盖整个 CLI 面，任何会调用 shell 的代理都能一次读懂
- run 命令支持 --format 输出 NDJSON 流，无头集成友好，ask_user 在无 TTY 时自动空回复不会挂起
- CLI 与 Web 应用共享同一套 data/user/settings 配置，可随时从纯 CLI 升级到完整 Web 应用
- 项目活跃（v1.5.2，2026 年 7 月），Apache-2.0 许可，文档站 deeptutor.info 提供代理交接专题页
- 技能价值完全依赖已安装并配置好的 DeepTutor 本体；LLM/嵌入/搜索提供方须先在 init 中配置
- deeptutor-cli 仅命令行包尚未发布 PyPI，只能从源码检出安装，且需保留源码目录
- 仅命令行安装默认关闭嵌入，如需 RAG 知识库需在 init --cli 时手动开启
- 源文档未提供自动化测试套件覆盖情况的具体证据，未列平台上的稳定性需自行验证
如何安装这个 Skill？
前置条件：Python 3.11+。完整 Web 应用：pip install deeptutor（需 Node.js 20+）；仅命令行需从源码检出：git clone https://github.com/HKUDS/DeepTutor.git 后 python -m pip install -e ./packaging/deeptutor-cli（注意 deeptutor-cli 尚未发布到 PyPI）。安装后运行 deeptutor init 做引导式初始化（加 --cli 跳过端口配置），init 会把配置写入 data/user/settings。技能本身由仓库根部的 SKILL.md 提供，Claude Code、Codex 或 OpenCode 会自动读取。
如何使用这个 Skill？
把仓库交给代理或在终端直接使用。常用示例：deeptutor chat --kb textbook --tool rag --tool web_search 进入交互 REPL；deeptutor run deep_solve "Solve x^2 = 4" --tool rag --kb textbook 单轮执行；deeptutor run deep_question "Linear algebra" --config num_questions=5 生成测验；deeptutor kb create physics --doc ch1.pdf 建知识库；deeptutor run ... --format 获得逐行 NDJSON 输出并可用 --session 接续会话。
这个 Skill 与同类方案有什么区别？
README 中明确把 CLI 设计灵感归功于 OpenAI Codex 和 Anthropic Claude Code 这类代理式编码 CLI。与直接使用这些工具不同，本技能的对象是 DeepTutor 学习平台，定位是让任意代理把 deeptutor 当作工具来驱动，而非编码助手。