DeepTutor v1.5를 소개합니다: 에이전트 네이티브 (Agent-native) 개인 맞춤형 튜터링.

우리의 핵심 신념: 튜터링은 단절된 기능들의 집합이 아니라, 하나의 데이터 루프 (data loop)여야 합니다.

DeepTutor는 교수(teaching), 연습(practice), 행동 흔적(behavioral traces), 통합된 런타임 (Runtime), 검사 가능한 메모리 (inspectable memory), 그리고 선제적인 IM 컴패니언 (IM companions)을 하나의 진화하는 학습자 모델로 연결합니다.

DeepTutor는 튜터링, 문제 해결, 퀴즈 생성, 연구, 시각화, 그리고 숙달 연습을 하나의 확장 가능한 시스템으로 연결하는 에이전트 네이티브 (agent-native) 학습 워크스페이스입니다.

✨ DeepTutor v1.5의 주요 기능

1/ - 모든 모드를 위한 단일 런타임 (One runtime) — 채팅 (Chat), 퀴즈 (Quiz), 연구 (Research), 시각화 (Visualize), 해결 (Solve), 그리고 숙달 경로 (Mastery Path)가 모두 동일한 에이전트 루프 (agent loop)에서 실행됩니다. 엔진을 바꾸는 것이 아니라 목표를 전환하는 것이며, 문맥 (context)은 사용자와 함께 이동합니다.

2/ - 연결된 학습 문맥 (Connected learning context) — 지식 베이스 (Knowledge bases), 도서, Co-Writer 초안, 노트북, 문제 은행, 페르소나 (personas), 그리고 메모리 (Memory)가 격리된 도구에 머물지 않고 모든 워크플로우 전반에서 사용 가능합니다.

3/ - 서브 에이전트 (Subagents) 및 파트너 — 어떤 단계에서든 실시간 Claude Code, Codex 또는 파트너에게 자문을 구하고, 과거 대화 내용을 가져오며, 동일한 브레인 위에서 지속적인 IM 컴패니언을 실행할 수 있습니다.

4/ - 멀티 엔진 지식 (Multi-engine knowledge) — LlamaIndex, PageIndex, GraphRAG, LightRAG 또는 연결된 Obsidian 보관함(vault)에 걸친 버전 관리된 RAG 라이브러리를 제공하며, 플러그인 방식의 문서 파싱 (document parsing)이 가능합니다.

5/ - 확장 가능한 도구 및 기술 (Extensible tools and skills) — 내장된 도구, MCP 서버, 이미지 / 비디오 / 음성 생성 모델, 그리고 EduHub에서 설치 가능한 커뮤니티 기술을 제공합니다.

6/ - 검사 가능한 메모리 (Inspectable memory) — L1 흔적 (traces), L2 표면 요약 (surface summaries), L3 합성 (synthesis)을 통해 개인화를 가시화하고 편집할 수 있으며, 모든 주장을 증거로 추적하는 메모리 그래프 (Memory Graph)를 제공합니다.

GitHub: https://t.co/Wd8odKIRSn
Website: https://t.co/gCKrNTdqYT
Paper: https://t.co/mlYgYi6Bd8