一個頂級開源專案，帶你學透任何領域知識！
YouTube 影片重點整理
一個頂級開源專案，帶你學透任何領域知識！
影片實測香港大學開源的 DeepTutor，將 learn-claude-code 與 ai-agent-book 兩份資料匯入同一知識庫。講者把自學的困境描述為：資料雖多，但缺少依個人基礎與目標安排的路線、重點抽查，以及錯題與弱點的持續整理。DeepTutor 的流程是先匯入並索引資料，再依學習者背景與目標生成路線與教材；學習過程透過 Flashcards、QuickCheck 與自訂測驗要求回憶、判斷並核對答案。影片以兩條不同路線示範：一條從最小 agent loop 起步、逐步補齊工程細節；另一條從 agent 架構出發，串連上下文、工具、記憶與評估。講者的結論是，系統把資料、目標、教材、測驗與學習進度串成一個學習閉環，讓收藏的資料轉為可立即開始的路線、問題與回饋。
01
先處理「資料很多，卻學不下去」的斷點
00:08講者列出自學時的幾個斷點：沒有人依學習者的知識基礎與目標排出路線、沒有人抽查重點，且看懂內容不等於真的會用；錯題與薄弱點也容易散掉。
影片將 DeepTutor 的角色定位為把路線、重點抽查與弱點整理連在一起。
學習痛點02
匯入真實資料，讓後續內容有來源
00:51示範先建立知識庫、命名，並把兩個專案的 Markdown 一起匯入。索引完成後，兩邊檔案都會在同一知識庫中就緒。
講者明確表示，後續的學習路線、出題與學習內容都從這批真實資料而來。
知識庫03
同一份資料可依目標走出不同路線
01:06建立路線前，系統需要知道學習者的身分、基礎以及這次想學成什麼。影片以實作 agent harness 與系統理解 agent 底層架構為兩類目標。
實作路線從最小 agent loop 與第一版 agent 起步，再補齊工程細節；原理路線則從 agent 架構開始，串連上下文、工具、記憶與評估。
個人化路徑04
教材、回憶與測驗共同推進學習
01:35影片說明教材會把內容拆為概念、例子與練習。Flashcards 不只是展示內容，而是要求使用者停下來回憶核心概念。
QuickCheck 會圍繞 Stop Reason、工具呼叫與 agent loop 出題，讓使用者先判斷再看答案；自訂測驗還會追問分支、工具結果回寫與迴圈退出等實作細節。
主動回憶05
把一次學習變成可繼續推進的閉環
02:21講者總結 DeepTutor 能把資料、目標、教材、測驗與記憶接在一起：先檢索兩份資料，再按目標生成路線，做題結果與學習進度會回到系統。
影片最後將核心主張濃縮為：資料並不稀缺，缺的是一套能推動學習者持續往前走的機制。
學習閉環資料不缺，缺的是一套能逼你往前走的學習機制。
重點時間戳索引
- 00:08提出自學痛點：收藏了高品質資料，卻缺少依知識基礎與學習目標安排的路線、重點抽查，以及錯題與弱點的整理。
- 00:27DeepTutor 的定位是先依使用者基礎與目標訂製學習路線，學習中以閃卡與測驗抽查重點，之後保留錯題與薄弱點。
- 00:41實測材料是 learn-claude-code 與 ai-agent-book；講者分別描述前者偏工程實作、後者偏系統原理。
- 00:51將兩份專案的 Markdown 匯入新建知識庫；索引完成後，後續路線、出題與學習都取材自這批資料。
- 01:06建立路線時先提供自己的身分、基礎與目標；實作路線從最小 agent loop 與第一版 agent 開始，原理路線則串連架構、上下文、工具、記憶與評估。
- 01:35教材把內容拆成概念、例子與練習；Flashcards 要求回憶核心概念，QuickCheck 以 Stop Reason、工具呼叫與 agent loop 出題，另可用自訂測驗追問實作細節。
- 02:21影片將其概括為學習閉環：先檢索資料、再按目標生成路線，做題結果與學習進度回到系統，供後續依弱點繼續推進。
⚠️ 未確認 / 無法核對項目
- YouTube 未提供人工或自動字幕；內容由 Whisper 轉寫。轉寫中「金屬記憶／金屬路徑」等詞無法僅憑音訊核對其正式功能名稱，因此未納入具體功能敘述。
- 「Learn Cloud Code」與「AI agent book」的正式專案拼寫依影片描述還原為 learn-claude-code 與 ai-agent-book。
🎙️ ASR 漂字對照表
| Deep Tutor | → | DeepTutor |
| Learn Cloud Code | → | learn-claude-code |
| AI agent book | → | ai-agent-book |
📎 原始內容（查證 / AI 追查用，非閱讀主文，點擊展開）
Whisper 原始輸出
1 00:00:00,080 --> 00:00:01,980 每周拆解一个顶级开源项目 2 00:00:01,980 --> 00:00:03,220 这周是Deep Tutor 3 00:00:03,220 --> 00:00:05,500 港大开源的AI私人导师工作台 4 00:00:05,500 --> 00:00:08,560 各位观众老爷们肯定都有类似经历 5 00:00:08,560 --> 00:00:10,740 收藏夹里躺着很多高质量学习资料 6 00:00:10,740 --> 00:00:11,780 技术教程书 7 00:00:11,780 --> 00:00:12,480 学习资料 8 00:00:12,480 --> 00:00:13,300 考试资料等等 9 00:00:13,300 --> 00:00:14,540 收藏时很热血 10 00:00:14,540 --> 00:00:15,980 真到自学就卡住了 11 00:00:15,980 --> 00:00:18,460 没人按你的知识储备和学习目标排路线 12 00:00:18,460 --> 00:00:19,440 没人抽查重点 13 00:00:19,440 --> 00:00:21,580 看懂了也很容易以为自己真会了 14 00:00:21,580 --> 00:00:23,180 学过的历史也串不成土苦 15 00:00:23,180 --> 00:00:24,940 错题和薄弱点很快散掉 16 00:00:24,940 --> 00:00:26,980 所以Deep Tutor真正要做的 17 00:00:26,980 --> 00:00:29,360 事先根据你的基础和目标定制学习路线 18 00:00:29,360 --> 00:00:30,320 学的过程中 19 00:00:30,320 --> 00:00:32,320 他用闪卡和测验不断抽查重点 20 00:00:32,320 --> 00:00:33,080 学完之后 21 00:00:33,080 --> 00:00:35,320 再把错题和薄弱点沉淀到金属记忆里 22 00:00:35,320 --> 00:00:36,460 这三件事合起来 23 00:00:36,460 --> 00:00:37,720 才像一个真的私人导师 24 00:00:37,720 --> 00:00:41,300 今天就拿两个高新AI agent学习资料实测 25 00:00:41,300 --> 00:00:42,520 Learn Cloud Code 26 00:00:42,520 --> 00:00:43,360 7万多星 27 00:00:43,360 --> 00:00:44,320 偏工程实战 28 00:00:44,320 --> 00:00:45,840 适合跟着手挫agent 29 00:00:45,840 --> 00:00:46,900 AI agent book 30 00:00:46,900 --> 00:00:47,740 3万多星 31 00:00:47,740 --> 00:00:48,620 偏系统原理 32 00:00:48,620 --> 00:00:49,440 一个练手 33 00:00:49,440 --> 00:00:50,220 一个补底层 34 00:00:50,220 --> 00:00:51,040 正好一起学 35 00:00:51,040 --> 00:00:53,740 接下来把两份资料导进Deep Tutor 36 00:00:53,740 --> 00:00:54,760 新建知识库 37 00:00:54,760 --> 00:00:55,480 填好名字 38 00:00:55,480 --> 00:00:57,760 再把两个项目的Markdown一起选进去 39 00:00:57,760 --> 00:00:58,620 等索引完成 40 00:00:58,620 --> 00:00:59,680 同一个知识库里 41 00:00:59,680 --> 00:01:01,200 两边文件都会变成Ready 42 00:01:01,200 --> 00:01:02,220 后面的路线 43 00:01:02,220 --> 00:01:03,260 出题和学习 44 00:01:03,260 --> 00:01:05,080 就都从这批真实资料里来 45 00:01:05,080 --> 00:01:06,660 资料导入之后 46 00:01:06,660 --> 00:01:08,160 接着就要自定义学习路线 47 00:01:08,160 --> 00:01:09,480 关键在于先告诉他 48 00:01:09,480 --> 00:01:09,980 我是谁 49 00:01:09,980 --> 00:01:10,640 基础怎样 50 00:01:10,640 --> 00:01:11,900 这次到底想学成什么 51 00:01:11,900 --> 00:01:14,600 一类目标是实战手挫开发agent harness 52 00:01:14,600 --> 00:01:17,640 另一类是从原理层面系统理解agent的底层架构 53 00:01:17,640 --> 00:01:18,420 目标不同 54 00:01:18,420 --> 00:01:19,320 路线也就不同 55 00:01:19,320 --> 00:01:21,820 手挫agent的开发学习路线的大纲 56 00:01:21,820 --> 00:01:23,880 从最小agent的loop循环开始 57 00:01:23,880 --> 00:01:25,320 先跑出第一版agent 58 00:01:25,320 --> 00:01:27,020 再逐步补齐工程细节 59 00:01:27,020 --> 00:01:28,780 agent的原理学习路线这边 60 00:01:28,780 --> 00:01:30,660 会先从认识agent的架构开始 61 00:01:30,660 --> 00:01:31,880 再顺着上下文 62 00:01:31,880 --> 00:01:32,460 工具 63 00:01:32,460 --> 00:01:33,560 记忆和评估 64 00:01:33,560 --> 00:01:35,040 把底层框架串起来 65 00:01:35,040 --> 00:01:36,500 拿到教材之后 66 00:01:36,500 --> 00:01:37,560 就可以进入学习了 67 00:01:37,560 --> 00:01:39,600 每一张都会被拆成可读的概念 68 00:01:39,600 --> 00:01:40,620 例子和练习 69 00:01:40,620 --> 00:01:41,500 比如第一张 70 00:01:41,500 --> 00:01:42,160 先看目录 71 00:01:42,160 --> 00:01:44,760 再进入最小agent的loop和工具调用机制 72 00:01:44,760 --> 00:01:46,560 学习过程中 73 00:01:46,560 --> 00:01:48,080 内容不会只摊开给你看 74 00:01:48,080 --> 00:01:50,940 Flashcards会逼你停下来回忆核心概念 75 00:01:50,940 --> 00:01:52,940 避免看懂了就以为自己会了 76 00:01:52,940 --> 00:01:55,500 请接着QuickCheck会围绕Stop Reason 77 00:01:55,500 --> 00:01:57,920 工具调用和agent loop直接出题 78 00:01:57,920 --> 00:01:59,060 让你先判断 79 00:01:59,060 --> 00:02:00,000 再揭示答案 80 00:02:00,000 --> 00:02:01,360 如果还想考 81 00:02:01,360 --> 00:02:03,240 自己测验块会继续追问实现细节 82 00:02:03,240 --> 00:02:04,500 Stop Reason怎么分支 83 00:02:04,500 --> 00:02:05,700 工具结果怎么回写 84 00:02:05,700 --> 00:02:06,860 循环什么时候退出 85 00:02:06,860 --> 00:02:08,380 这样学习才从看过 86 00:02:08,380 --> 00:02:09,240 变成真的会用 87 00:02:09,240 --> 00:02:10,480 最后 88 00:02:10,480 --> 00:02:12,120 学习结果会进入金属路径 89 00:02:12,120 --> 00:02:12,860 最小loop 90 00:02:12,860 --> 00:02:13,480 权限 91 00:02:13,480 --> 00:02:14,060 hooks 92 00:02:14,060 --> 00:02:14,580 Subation 93 00:02:14,580 --> 00:02:15,460 上下文压缩 94 00:02:15,460 --> 00:02:15,960 记忆 95 00:02:15,960 --> 00:02:17,820 mcp和生产化都会留下进度 96 00:02:17,820 --> 00:02:19,420 后面可以按薄弱点继续推进 97 00:02:19,420 --> 00:02:21,080 最后再看原理 98 00:02:21,080 --> 00:02:22,900 Deep Tutor能把这些串起来 99 00:02:22,900 --> 00:02:24,460 是因为同一个学习闭环 100 00:02:24,460 --> 00:02:25,120 把资料 101 00:02:25,120 --> 00:02:25,660 目标 102 00:02:25,660 --> 00:02:26,260 教材 103 00:02:26,260 --> 00:02:27,800 测验和记忆接在一起 104 00:02:27,800 --> 00:02:29,260 先检索两份资料 105 00:02:29,260 --> 00:02:30,640 再按目标生成路线 106 00:02:30,640 --> 00:02:32,180 做题结果和学习进度 107 00:02:32,180 --> 00:02:33,580 又回到金属路径里 108 00:02:33,580 --> 00:02:35,980 所以它接住的是完整学习动作 109 00:02:35,980 --> 00:02:37,540 两份资料进入知识库 110 00:02:37,540 --> 00:02:38,960 目标决定教材路线 111 00:02:38,960 --> 00:02:40,220 学习时不断抽查 112 00:02:40,220 --> 00:02:41,320 错题和薄弱点 113 00:02:41,320 --> 00:02:42,680 再沉淀进金属路径 114 00:02:42,680 --> 00:02:44,920 所以这期我最想说的 115 00:02:44,920 --> 00:02:46,960 不是Deep Tutor又多了几个AI功能 116 00:02:46,960 --> 00:02:48,780 而是它把收藏夹里的硬资料 117 00:02:48,780 --> 00:02:50,540 变成今天就能开始的路线 118 00:02:50,540 --> 00:02:51,680 问题和反馈 119 00:02:51,680 --> 00:02:52,700 资料不缺 120 00:02:52,700 --> 00:02:55,060 缺的是一套能逼你往前走的学习机制 121 00:02:55,060 --> 00:02:56,060 别只收藏 122 00:02:56,060 --> 00:02:56,860 拿它开练 123 00:02:56,860 --> 00:02:59,540 每周拆解一个顶级开源项目 124 00:02:59,540 --> 00:03:00,400 下期继续