DeepTutor v1.3.3 发布详解NVIDIA NIM 接入、Space 统一回合上下文与 RAG 韧性加固【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor适用版本v1.3.3 Release Notes发布于 2026.04.30紧随 v1.3.2 的快节奏跟进版本v1.3.3 是 DeepTutor 在 v1.3.2 之后的一次快速跟进发布核心工作聚焦四条主线把 NVIDIA NIM 与 Gemini Embedding 纳入一等公民的 Provider 覆盖、让 Space 成为统一挂载聊天历史 / 笔记本 / 题库 / 技能 / 记忆的回合上下文入口、为会话持久化与消息规范化补上请求快照能力并继续加固 RAG 重索引与思维模型输出清洗。读完本文你将理解这些改动背后的运行时配置机制、会话存储迁移逻辑与消息元数据规范并能据此完成升级迁移、WebSocket 客户端适配与异常索引恢复。一、版本定位与升级总览v1.3.3 延续了 v1.3.2 的稳定性路线改动范围横跨六个工程域领域一句话摘要Provider 与 EmbeddingNVIDIA NIM 成为自动识别的一等 LLM ProviderGemini Embedding 全链路可用Space / Chat / Skills / Memory聊天输入区统一为 Space 上下文模型所有学习上下文以回合附件形态出现会话持久化与消息规范化SQLite 增加metadata_json消息记录完整的发送时请求快照Memory / Notebook / 思维模型记忆重写需匹配预期结构notebook 摘要全面清洗与修复RAG 与知识库韧性卡死的 processing 状态可自动恢复向量库校验覆盖更多存储面依赖与安装NumPy 上界放宽Windows 安装文档补充 C 构建工具前置下文按发布说明的顺序逐一深入并给出仓库源码佐证路径。二、Provider 与 Embedding 覆盖扩充2.1 NVIDIA NIM 成为一等 LLM Providerv1.3.3 让 NVIDIA NIM 从通用 OpenAI 兼容端点升级为内置识别的一等 Provider。在 deeptutor/services/provider_registry.py 中可以看到其完整注册元数据name nvidia_nim关键词涵盖nvidia_nim、nvidia-nim、nim环境变量键为NVIDIA_NIM_API_KEY通过detect_by_key_prefixnvapi-与detect_by_base_keywordapi.nvidia.com参与自动识别——这意味着当用户粘贴一个nvapi-开头的 Key 或api.nvidia.com域名基址时无需手工声明 Providerdefault_api_base https://integrate.api.nvidia.com/v1is_gatewayTrue走openai_compat后端与 OpenAI 兼容网关相同的调用协议关键差异supports_stream_optionsFalse即不向网关发送stream_options.include_usage。文档明确说明这是为了避免 NIM 在该选项存在时挂起hang。自动识别实际由find_gateway()deeptutor/services/provider_registry.py完成先按显式 provider 名匹配网关再依次尝试detect_by_key_prefix与detect_by_base_keyword前缀/关键字探测。这也解释了为何发布说明强调运行时配置路径与 Setup Tour、.env示例保持一致——新增 Provider 只需在注册表添加一条ProviderSpec环境变量、配置匹配与状态显示都会自动派生。实操建议NIM 用户应在配置中选择/识别为 NVIDIA NIM Provider并保持stream_options.include_usage处于禁用状态。2.2 Gemini Embedding 端到端可用嵌入能力方面v1.3.3 将 Gemini 从仅限其他模块可用推进到 embedding 全链路。在 deeptutor/services/config/provider_runtime.py 中EmbeddingProviderSpec注册了gemini关键词(gemini, gemini-embedding, text-embedding)默认模型gemini-embedding-001默认维度3072与 OpenAItext-embedding-3-large的默认维度同为 3072便于在两者间切换而不必调整向量维度配置默认 API Base 由EMBEDDING_PROVIDER_DEFAULT_ENDPOINTS[gemini]给出支持GEMINI_API_KEY回退。影响面覆盖embedding 运行时元数据、端点校验见 deeptutor/services/config/embedding_endpoint.py、Setup Tour 可选列表、模型建议与.env示例。2.3 Provider 专属 Embedding Key 在 Settings 写入时保留此前 Settings 面板写回.env时只保留旧的核心 Provider 集合容易把用户为 SiliconFlow、DashScope、Cohere、Jina、Gemini 等配置的专属 Key 覆盖掉。v1.3.3 修正为保留上述 provider 专属 embedding keys避免用户反复补填 Key。2.4 依赖解析与 Windows 安装前置NumPy 上界放宽新版 NumPy 上界被放宽使deeptutor[all]能够适配当前版本的 Manim 安装减少安装 all extras 时依赖冲突这类脆弱环节。Windows 文档前置提示Windows 安装文档现在明确列出Visual Studio Build Tools / C 工作负载前置条件部分依赖需要本机 C/C 编译器才能完成构建。三、Space统一回合上下文挂载v1.3.3 最重要的交互架构变化是把聊天输入区从多个分散控件引用、技能、记忆分开管理收敛为一个 Space 上下文模型所有学习上下文都作为Space 上下文附加到当前回合。3.1 Chat HistorySpace 的新入口页Space 打开后首先落在新增的Chat History 页面在此可以直接对历史会话执行搜索、刷新、重命名、删除与重新打开。此前用户需要切换到其他工作区去管理历史对话v1.3.3 之后这一操作被搬进 Space 主界面。3.2 一个 Space 菜单统一工具栏与提及旧的工具栏内联AtMentionPopup被移除替换为共享的 Space 菜单统一承载五类上下文聊天历史Chat History笔记本Notebooks题库条目Question-bank items技能Skills记忆Memory无论是点击工具栏入口还是直接在输入区输入打开的都是同一份 Space 菜单交互路径保持一致。3.3 Skills 选择升级为完整选择器技能选择从输入区旁的小内联下拉升级为完整 Picker具备搜索标签tags筛选显式多选Auto 模式按需自动匹配。3.4 Memory 支持按回合挂载新增Memory picker用户可为当前回合选择注入的运行摘要running summary、个人档案profile或二者同时注入。请求中对应字段为memory_references请求携带memory_references: [summary]、[profile]或二者并列后端只注入被明确选中的记忆文件空或缺失的memory_references含义被收紧为不附加长期记忆彻底消除默认隐式注入记忆的意外行为。3.5 Context Chips 与请求快照徽章发送前选中的历史、笔记本、题库、技能与记忆统一以可移除的 context chips展示在输入框上方已发送的用户消息上还会显示对应的request-snapshot 徽章让这条消息实际携带了哪些上下文事后可查、可复核。3.6 Answer Now 与会话 Hydration 保持上下文Answer Now回放与加载历史会话时现在会从持久化的消息元数据中恢复笔记本、历史引用、题库引用、技能、记忆引用与附件保证重放/续聊与原始发送状态一致。四、会话持久化与消息规范化4.1metadata_json持久化 request_snapshot会话存储层为 SQLite 的messages表新增metadata_json列。源码证据见 deeptutor/services/session/sqlite_store.py——首次打开会话数据库时执行幂等迁移ALTER TABLE messages ADD COLUMN metadata_json TEXT DEFAULT {};用户消息在写入时附带一份request_snapshot捕获发送时刻的真实上下文快照包括capability所用能力tools可用/已用工具选中的知识库selected KBs语言language配置config附件attachmentsSpace 引用Space references技能skills记忆选择memory selections快照的构造逻辑集中在 deeptutor/services/session/turn_runtime.py_request_snapshot_metadata()收集上述字段并以{request_snapshot: {...}}写入 metadata其中memoryReferences仅在显式提供时才进入快照。4.2 WebSocket 回合显式接收 memory 与 skillsWebSocket 入站负载处理同步规范化见 deeptutor/services/session/turn_runtime.py_extract_memory_references()把传入的memory_references规整为summary/profile两种合法取值skills 被规范化为字符串列表二者最终物化materialize进消息 metadata作为后续回放、hydrate 与徽章展示的数据源。4.3 TutorBot 历史对多模态内容的防御TutorBot 历史与最近 bot 预览现在能处理多模态内容对字符串、数组、对象、图片风格内容一律规整为安全显示文本同时内部产生的reasoning_content会从 API 响应中剥离避免推理文本泄漏到界面或再次送入上下文。4.4 前端消息预览更安全共享的 message-content 工具链升级为宽容输入、统一输出接受未知内容类型自定义对象会被字符串化图片部分渲染为[image]占位预览截断规则在聊天页与会话列表之间保持一致避免列表页因奇异数据结构抛错或展示失控。五、记忆、笔记本与思维模型输出清理v1.3.2 引入的思维输出清理thinking-output cleanup在 v1.3.3 延伸到更多持久化存储面并新增了写入前的结构校验。5.1 记忆重写必须匹配预期结构profile 与 summary 的刷新重写现在先校验允许的章节标题再执行写入。背景问题很典型思维模型有时会直接回答用户而不是返回结构化记忆此时若照单全收会污染 profile / summary 文件。v1.3.3 的处置是拒绝写入而不是持久化污染。5.2build_memory_context()显式化记忆上下文构建从默认注入改为按需注入只有当memory_references明确请求summary和/或profile时build_memory_context()才把对应文件拼入上下文可对照 deeptutor/services/session/turn_runtime.py 中有 memory 引用才读取 L3 拼接记忆的取用模式。这与前文 3.4 的按回合 Memory picker 一一对应共同消除意外默认记忆注入。5.3 Notebook 摘要清洗与修复覆盖三条路径notebook 写入、流式摘要保存、notebook 加载时都会剥离 thinking tags思考标签再落盘较旧的 notebook 记录在读取时尽可能修复流式摘要按先组装 → 再清洗 → 后发射的顺序输出空的或仅含 scratchpad 的模型块不会被流式转发给客户端保证消费者收到的是清洗后的完整摘要。六、RAG 与知识库韧性6.1 卡死的 processing 状态自动恢复此前若kb_config.json停留在processing/initializing而磁盘上其实已经存在一份可用的 LlamaIndex 索引版本知识库信息接口会一直报告处理中UI 永久卡在进度条。v1.3.3 的处置若 ready 索引版本已存在于磁盘Knowledge Base info 直接报告ready并隐藏过期的进度条。6.2 更多向量存储面被纳入校验LlamaIndex 存储层的校验范围扩大为默认 vector storestorage_context.vector_stores命名 vector store 映射持久化的*vector_store.json内嵌 embedding 字典。校验目标覆盖 null、被 drop、非数值、非有限NaN/Inf或不一致维度不一致的向量。6.3 无效索引失败发出面向用户的状态事件RAG 搜索在遇到已知的无效索引失败时不再把失败误报为成功检索而是通过工具事件流发出带needs_reindex标记的结构化错误状态前端可据此引导用户重新索引。6.4 低层向量错误不再裸露已知的无效 embedding/索引失败被记录为日志并转化为重新索引引导而不是把NoneType * float这类 Python 底层 traceback 直接暴露给用户日志。6.5 索引重建触发条件若知识库仍报告无效的持久化向量按升级说明需确认以下四项后再重建索引当前生效的 embedding Provider模型名称向量维度端点 URL。七、测试覆盖v1.3.3 在仓库测试树中新增/扩展了如下方向的用例Knowledge Manager将卡死的processing/initializing状态在有合法索引版本时提升为ready的覆盖ProviderNVIDIA NIM 注册表元数据、stream-option 行为、Gemini embedding 运行时默认值、端点校验、Setup Tour provider 选项、.envkey 保留Session / WebSocketmetadata_json、request snapshots、skills 规范化、memory reference 解析与回合物化对应tests/api/test_unified_ws_turn_runtime.py一类用例Memory / Notebookthinking-tag 剥离、无效记忆重写拒绝、选择性记忆上下文注入、读取时摘要修复RAG / LlamaIndex多 vector store 校验、磁盘持久化无效向量、needs_reindex状态事件、脱敏后的原始日志TutorBot / 前端 message-content非字符串、多模态、对象、图片、截断消息内容。八、升级须知Upgrade Notes8.1 SQLite 会话库原地迁移已有会话数据库无需手工导出导入session store首次打开时自动为messages表补上metadata_json列默认{}属原地迁移。8.2 自定义 WebSocket 客户端必须显式传记忆引用凡依赖隐式记忆注入的自定义 WebSocket 客户端需改为显式传参{ memory_references: [summary] }或{ memory_references: [profile] }二者可并列。空或缺失的 memory references 现在刻意表示不附加长期记忆。8.3 知识库重索引前先核对嵌入配置仍报告无效持久化向量的知识库应先确认当前生效的 embedding Provider、模型、维度与端点 URL再执行重新索引。8.4 Notebook 流式摘要消费者预期变化依赖原始模型块逐一转发的流式摘要客户端应改为接收组装并清洗后的输出——空块与仅含 scratchpad 的块不再被转发。8.5 NVIDIA NIM 配置清单在新 Provider 项中选择 OpenAI 兼容模型保持stream_options.include_usage对该网关禁用可通过nvapi-Key 前缀或api.nvidia.com基址触发自动识别也可显式配置为nvidia_nim。结语v1.3.3 在功能覆盖与工程韧性之间做了精准平衡对外NVIDIA NIM 与 Gemini Embedding 让自托管/托管部署的选型空间更大Space 统一菜单把为这一回合选什么上下文变成一种清晰、可回放的心智模型对内metadata_json请求快照、显式memory_references、记忆结构校验与多面向量库校验共同把错误上下文、污染记忆、失效索引这三大长期隐患逐项堵死。升级前请重点核对 8.2 与 8.5 两条行为变更其余改动可由系统自动迁移或平滑生效。【免费下载链接】DeepTutorDeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.项目地址: https://gitcode.com/GitHub_Trending/dee/DeepTutor创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考