主题自定义
想学什么就写什么,从篮球战术、机器学习原理到个人理财和美国历史这类通识主题都能直接作为教学对象,不用在预设课程表里挑。
拖动滑块完成拼图,通过后发送验证码
独立第三方 AI 评测平台 · 只用实测数据
Llama Tutor 是一个把「输入想学的主题 + 选择自己的教育水平」两步合成一个动作的在线学习工具,由开源社区驱动,代码托管在 GitHub 上供人查阅和复用。它的思路不是做全能聊天助手,而是把大模型收窄成「老师」这一种角色:你告诉它想学篮球、机器学习、个人理财还是美国历史,它按你所在的学习阶段输出讲解方式和难度。适合自学、备课和给孩子找陪练这类场景;短板也明显,学习进度与历史记录做得轻,官方没有说明能否长期保存学习内容,深度课程体系也不是它的强项。
Llama Tutor 是一个面向自主学习的 AI 教学助手,核心交互只有一个输入区:写下你想学的主题,再选定你希望被讲解的教育水平,系统就会生成一位匹配该项主题和难度的专属导师。
它的能力范围由你输入的主题决定,官方给出的示例方向包括篮球、机器学习、个人理财与美国历史,也就是说既能教体育规则和战术,也能讲编程概念或理财常识,跨度覆盖通识与专业入门两端。
用法上,普通学习者把它当随叫随到的私人老师,遇到不懂的概念直接换一个主题再问;教师或家长可以用它给自己备课或给孩子找陪练;开发者则可以把整套项目拿来自行部署、改造,因为它是完全开源的。
想学什么就写什么,从篮球战术、机器学习原理到个人理财和美国历史这类通识主题都能直接作为教学对象,不用在预设课程表里挑。
同主题可以选不同教育水平,同一概念会按所选学段改变深度和用词,初学版偏比喻和结论,进阶版会补充原理与推导。
系统不是给出通用答案,而是按主题与学段组合出一位「私人老师」角色,后续提问会围绕这个角色设定的风格和难度展开。
项目代码公开托管在 GitHub,支持用户自行查阅实现、提交改进或部署自己的版本,这是它区别于多数托管式 AI 教学产品的关键点。
想快速搞懂一个新领域的大框架,用较低学段先跑一遍,再逐级加深,比一上来啃教材省时间。
本职是工程但需要补财务常识、或学文科要补机器学习概念,可以按需生成对应难度的讲解,不用换工具。
把要讲的章节主题和面向学段填进去,生成的讲解可当第一版讲稿素材,再按自己的课堂节奏改。
它按主题生成讲解,不提供题库、错题本和进度追踪,考纲式复习的闭环要另找工具补。
官网未说明学习记录能否长期保存与导出,想把孩子的学习过程存档再复盘的,需要先确认这一点。
它定位是讲解型导师而非检索工具,问「某题答案是多少」不会比直接搜资料更快。
价格未公布。官方页面只介绍功能与开源属性,没有列出收费档位或免费额度,也没有说明是否存在使用次数限制。真要用之前,得自己在页面上确认当前的收费状态。
官方给出的方向包括篮球、机器学习、个人理财和美国历史,跨度从体育到理工再到通识。实际能覆盖的范围取决于你输入的主题,写什么它就围绕什么展开。
可以。生成导师时除了主题,还要选一个希望被讲解的教育水平,系统会按这个学段决定用词深浅和讲解方式。同一个概念,用不同学段生成出来的版本差异明显。
项目完全开源,代码托管在 GitHub 上,官方在页面上直接给出入口并鼓励点星。对部署环境、模型选择有自己要求的团队,可以自行取用改造,具体做法见仓库说明。
不太适合当主力。它生成的是讲解型导师,围绕主题讲清楚概念,不提供题库、模拟测验、错题本和进度统计。系统备考需要练习与反馈的环节,这部分要另配工具。
官方页面没有提到地域限制,也没有说明是否需要特定网络环境或账号才能访问。实际能否稳定连上,需要以自己所在网络环境的实测结果为准。
差别在角色设定。普通聊天助手什么都能答,Llama Tutor 把使用场景收窄成「教与学」一件事:先声明主题和学段,再围绕这个设定输出讲解,所以面向教学时的针对性更强,但通用任务反而不如聊天助手顺手。