在 AI 深度融入教育场景的今天，学习者的需求早已不简单满足于在 AI 聊天这一层面。真正高效的学习闭环需要 AI 贯穿全流程：从理解知识、梳理体系，到制作记忆卡片、自动调研出题、批改作文、翻译文献——每一个环节都需要不同类型的 AI 能力协同配合。然而，当前市面上的学习工具大多功能单一，笔记归笔记、对话归对话，数据割裂、流程断裂，难以支撑完整的学习链路。
DeepStudent 是一款开源的、AI 原生的本地优先学习系统，旨在构建从输入到内化的完整学习闭环。它以 Chat V2 对话引擎为支撑，技能系统为核心驱动，以虚拟文件系统为统一数据底座，将智能对话、知识管理、Anki 制卡、深度调研、学术论文、知识导图、题库练习、翻译工作台、作文批改等多项专业技能整合在一个平台中。全部数据本地存储（ SQLite + LanceDB + Blob ），安全可控。
通过与硅基流动（ SiliconFlow ）的深度集成，DeepStudent 的全场景 AI 能力获得了坚实的底层支撑。只需一个硅基流动 API Key ，即可一键配齐对话、推理、嵌入、OCR 、翻译、重排序等完整能力矩阵，让每一位学习者都能快速搭建起自己的 AI 学习基础设施。同时，学习者也可以自由接入多种供应商的 API 来实现不同 AI 的自定义搭配。
DeepStudent 基于 Tauri 2 构建，支持 Windows 、macOS 、Android 等主流平台，下载安装包后即可使用。
打开 DeepStudent ，点击左下角进入设置中心。
找到 SiliconFlow 专属配置区域——DeepStudent 预置了 9 家模型供应商（ SiliconFlow / DeepSeek / 通义千问 / 智谱 AI / 字节豆包 / MiniMax / 月之暗面 / OpenAI / Google Gemini ），其中 SiliconFlow 作为首选供应商拥有独立的快速配置界面。
输入 SiliconFlow API 密钥。
点击"一键分配"按钮，DeepStudent 将自动创建并分配好全部所需模型：主对话模型（ DeepSeek-V3.2 ）、Anki 制卡模型（ Qwen3-30B-A3B ）、嵌入模型（ bge-m3 ）、重排序模型（ bge-reranker-v2-m3 ）、翻译模型（ Hunyuan-MT-7B ）、轻量任务模型（ Ling-mini-2.0 ）以及 5 个 OCR 引擎（ PaddleOCR-VL-1.5 / PaddleOCR-VL / DeepSeek-OCR / GLM-4.6V / Qwen3-VL-8B ），无需逐个手动添加。（推荐手动分配硅基流动的各个 Pro 系列模型以获得更加卓越的性能）
也可以点击"获取模型列表"从 SiliconFlow 平台拉取全量可用模型，按需选择添加。DeepStudent 会自动推断每个模型的能力属性（多模态、推理、嵌入、工具调用等），并配置最优的适配参数。
DeepStudent 的 Chat V2 对话引擎专为学习场景打造。搭配 SiliconFlow 提供的 DeepSeek-V3.2 等推理模型，支持多模态文件拖拽上传与自动 ocr （图片、PDF 、Word 等）、深度推理（思维链展示 AI 完整思考过程）、多 Tab 会话、会话分支，以及通过引用面板将知识库中的各种学习资源作为附件注入上下文。
DeepStudent 的核心驱动力是其技能系统（ Skills ）。不同于传统 AI 工具将所有指令塞进一个臃肿的 System Prompt ，DeepStudent 将 AI 能力拆分为独立的技能模块，每个技能封装了特定场景的指令与工具集，激活时才渐进披露，既节省 Token 开销，又保证专业性。目前内置 22 项技能（含 5 个整合型技能与 17 个工具组技能），覆盖制卡、调研、论文、导图、题库、记忆、翻译、导师、文献综述、Office 套件、子代理等核心学习场景，同时支持用户通过 SKILL.md 格式自定义扩展。默认启用的"深度学者"策略会主动回忆用户画像、优先检索本地知识库，让每一次对话都具备个性化上下文。
技能系统让 AI 如虎添翼，让 AI 对学习数据具有了灵活的读写能力。
DeepStudent 内置了一个类似 macOS 访达的学习资源管理器（ Learning Hub ），统一管理笔记、PDF 教材、题目集、翻译、作文、知识导图、图片等全类型学习资产。支持导入 PDF 、DOCX 、XLSX 、PPTX 、EPUB 、RTF 、Markdown 、CSV 、HTML 、JSON 及 JPG/PNG/HEIC 等常见图片格式。资源导入后自动进入向量化流水线——经由 SiliconFlow 提供的 OCR 引擎（ PaddleOCR-VL / DeepSeek-OCR 等）识别文字，再通过嵌入模型（ bge-m3 ）生成向量索引存入 LanceDB 。向量索引支持多维度管理，用户可创建不同维度的嵌入空间（ text / multimodal ），绑定不同的嵌入模型，满足检索的差异化需求。
激活"深度调研"技能后，AI 会以多步骤 Agent 模式自动执行完整调研流程：明确目标 → 联网搜索（支持 7 种搜索引擎，需配置）→ 本地知识库检索 → 整理分析 → 生成结构化报告，并自动保存为笔记。适用于课题研究、开题报告、学术综述等场景。
在对话中用自然语言触发制卡技能（如"把这篇文档做成卡片"），AI 批量生成高质量记忆卡片。内置模板设计师支持可视化编辑，生成结果支持 3D 翻转预览，确认无误后一键同步至 Anki ，打通从"理解"到"记忆"的最后一步。
知识导图：在聊天界面一句话即可生成完整学科知识体系，支持 AI 多轮编辑、大纲/导图视图切换与背诵模式。
题库练习：上传教材/试卷，AI 自动提取题目集，支持每日练习、模拟考试与 AI 深度解析。
翻译工作台：全文翻译与逐段双语对照，内置学术、技术、文学等多领域预设。
作文批改：覆盖高考、雅思、托福、四六级等考试标准，多维度评分与逐句润色建议。
智能记忆：受 mem0 与 memU 启发设计的自进化用户画像系统，自动从对话中提取事实，越用越懂你。
MCP 扩展：兼容 Model Context Protocol ，可连接如 Context7 等外部工具服务。
学术论文：通过 arXiv 与 OpenAlex 检索论文，支持批量下载 PDF 、多源自动回退、BibTeX / GB/T 7714 / APA 引用格式化。
两人团队历时接近一年的作品，我们正行在通往正式版的道路上，仍有许多不足与亟待打磨之处，希望各位不吝指教。
这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。
V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。
V2EX is a community of developers, designers and creative people.