HKUDS DeepTutor v1.7.0 — 모듈 설치와 새 학습 워크스페이스, 블록 노트북 추가

GitHub 릴리스 · HKUDS DeepTutor v1.7.0 · ax-trend 이슈 #3646 · 2026-10-28 공개

DeepTutor v1.7.0 — 모듈 설치, 새 학습 워크스페이스, 블록 노트북
공개 개요 — 모듈 설치와 새 워크스페이스, 블록 노트북, 내레이션 영상 강의가 v1.7.0에 담겼습니다

공개 내용

홍콩대 데이터과학 그룹 HKUDS의 에이전트 네이티브 학습 워크스페이스 DeepTutor가 v1.7.0을 2026년 10월 28일 릴리스했습니다. DeepTutor는 채팅·질문·퀴즈·연구·시각화·문제 풀이·숙달 경로·몰입 읽기·오디오 요약을 하나의 실행 환경에서 묶은 학습 도구입니다. 같은 지식 베이스와 기억을 여러 학습 모드가 공유한다는 점이 내세우는 구조입니다.

이번 버전의 방향은 분명합니다. 기능을 더 쌓는 것이 아니라, 설치와 화면을 정리해 진입 장벽을 낮추는 쪽으로 무게가 실렸습니다. 직전 버전인 v1.6.15는 10월 19일에 나왔고, 주간에 가까운 릴리스 주기로 기능을 쌓아 왔습니다.

DeepTutor 채팅 화면 — 설명과 수식, 연습 제안이 한 화면에 표시됩니다
채팅 화면 — 설명·수식·연습 제안이 한 화면에 이어집니다 (사진: DeepTutor 저장소)

모듈 설치 방식

가장 실용적인 변화는 모듈 설치입니다. 기본 패키지는 채팅·CLI·SDK를 담고, deeptutor[full]을 선택하면 웹앱과 표준 기능 모듈이 함께 설치됩니다. 필요한 것만 깔고 시작할 수 있다는 뜻입니다.

설치한 모듈의 상태는 deeptutor module list로 확인합니다. 앱을 멈춘 상태에서 모듈을 켜고 끄거나 설치·제거할 수 있고, 제거해도 사용자 데이터는 남습니다. 학습 자료를 날릴 걱정 없이 구성을 바꿀 수 있는 구조입니다.

pip install deeptutor[full]   # 웹앱 + 표준 기능 모듈 포함
deeptutor module list         # 설치된 모듈 상태 확인

새 학습 워크스페이스와 새 기능

v1.7.0 새로워진 점: 모듈 설치, 새 워크스페이스, 블록 노트북, 내레이션 강의
v1.7.0 새로워진 점 — 설치부터 학습까지 한 워크스페이스에서 이어집니다

학습 워크스페이스가 새로 정리됐습니다. Modern·Classic 두 레이아웃을 고를 수 있고, 홈에는 채팅·작업 보드·학습 노트북·캘린더가 모입니다. 학습 도구가 흩어져 있던 화면이 하나의 홈으로 모인 셈입니다.

새 기능으로는 Dito 기반 블록 노트북과 내레이션 영상 강의가 소개됐습니다. 노트북에서 자료를 블록 단위로 다루고, 영상 강의에는 내레이션이 붙습니다. 채팅에서 Claude Code·Codex 같은 에이전트 하네스를 상담 대상으로 불러올 수 있다는 점도 개발자 독자에게는 눈에 띕니다.

GitHub 스타 (10/29 조회)50,347개
하루 스타 증가2,371개
직전 버전v1.6.15 (10/19)
라이선스 / 언어Apache-2.0 / Python

트렌딩 수치

2026년 10월 29일 조회 기준 50,347스타를 기록했고, 하루 2,371스타 증가로 당일 트렌딩 상위권에 올랐습니다. 프로젝트는 Python으로 작성됐고 Apache-2.0 라이선스이며, 2025년 12월 28일 생성됐습니다. 스타 수치는 관심의 척도일 뿐, 교육 효과의 증거는 아닙니다.

아직 확인되지 않은 점

이 글은 GitHub 릴리스 노트와 ax-trend 이슈 #3646의 수치를 정리한 것이며, 확인되지 않은 항목은 추측하지 않았습니다. 도입 전에는 한국어 지원 범위와 연결하려는 모델에서의 답변 품질을 직접 확인하시기 바랍니다.

실무 시사점

자기 자료를 넣고 학습 경로·채점 퀴즈·기억 구조까지 한 앱에서 돌릴 수 있다는 점이 실무 학습에 바로 와닿습니다. 당장 써볼 만한 순서는 세 단계입니다. 첫째, 기본 패키지로 설치해 채팅·CLI 동작을 확인합니다. 둘째, deeptutor module list로 필요한 모듈만 켜고 웹앱을 붙입니다. 셋째, 자신의 학습 자료로 노트북과 퀴즈를 돌려보고, 답변 품질이 연결 모델에 얼마나 좌우되는지 먼저 가늠합니다.

도입 판단에서는 스타 수보다 두 가지를 먼저 보시기 바랍니다. 연결하려는 모델에서 실제 학습 자료에 대한 답변이 얼마나 정확한지, 그리고 한국어 자료와 질문이 어느 범위까지 지원되는지입니다. 두 가지가 확인되기 전에는 본격 도입보다 시범 운영이 안전합니다.

출처

에이전트 모델AI 코딩AX Trend