OpenTutor
Plataforma open source de aprendizaje adaptativo local-first con workspace basado en bloques, tutor IA y ciencia del aprendizaje (FSRS).
Ficha actualizada 24 sept 2026, 23:46 · upstream 24 sept 2026, 23:15 · release sin release detectada
Qué es OpenTutor
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
OpenTutor es un entorno de aprendizaje auto-alojado que prioriza la privacidad ejecutando todo el stack localmente. Utiliza una arquitectura multi-agente (Tutor, Planner, Layout) para gestionar dinámicamente el contenido educativo y adaptar la experiencia al usuario. Integra principios avanzados de ciencia del aprendizaje como repetición espaciada FSRS 4.5 y grafos de conocimiento LOOM para optimizar la retención.
- Estudio autodidacta con material propio sin enviar datos a la nube
- Generación automática de exámenes y flashcards desde PDFs o DOCX
- Planificación de sesiones de estudio con calendario y gestión de plazos
- Seguimiento del progreso mediante grafos de conocimiento y mapas conceptuales
- Práctica adaptativa basada en errores detectados y retroalimentación diagnóstica
- Análisis de carga cognitiva para ajustar dificultad en tiempo real
- Arquitectura local-first sin envío de datos a la nube por defecto
- Sistema multi-agente coordinado (Tutor, Planner, Layout) para roles específicos
- Integración con FSRS 4.5 y LECTOR para repetición espaciada semántica
- Soporte nativo para Ollama y más de 10 proveedores LLM compatibles
- Frontend modular con 12 bloques de aprendizaje compuestos y adaptativos
- Base de datos SQLite optimizada para despliegue local sin dependencias complejas
- Versión actual en beta público orientada a single-user (un usuario)
- Layout móvil no totalmente optimizado en todas las vistas del workspace
- Funciones avanzadas de grafos y flujos autónomos marcadas como experimentales
- Dependencia del hardware local para latencia LLM y rendimiento
- Windows soportado por la comunidad, no oficial ni priorizado
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Clonar repositorio, copiar .env.example a .env y ejecutar docker compose up -d --build. Alternativa sin Docker: activar venv Python en apps/api e instalar dependencias, luego npm install en apps/web. Configurar AUTH_ENABLED=true y JWT_SECRET_KEY para despliegues en red. Requiere Python 3.11+, Node.js 20+ y 4 núcleos CPU/8GB RAM recomendados.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.