Обычные AI-чаты хорошо пишут текст, но плохо объясняют формулы и схемы. ChatTutor решает это через интерактивную доску и визуальные инструменты. Проект уже доступен онлайн, а запустить его можно даже у себя на сервере.
Главная идея простая: AI должен учить как живой преподаватель, а не как чат-бот из поддержки. Поэтому здесь упор не на длинные ответы, а на визуальное объяснение задач. Особенно там, где текст обычно только путает.
AI наконец получил «мел и доску», а не только поле ввода
Команда ChatTutor открыто говорит о проблеме: в STEM-дисциплинах (наука, технологии, инженерия, математика) один текст работает слабо. Если ученик не видит шаги решения, он теряет нить на втором действии. Визуализация здесь не украшение, а основа обучения.
В сервис добавили инструменты, которые похожи на реальный класс. Не только чат, но и пространство для схем, структур и пошаговых разборов. Это уже ближе к уроку, чем к обычной переписке с моделью.
- Math Canvas — холст для математических объяснений и разметки решений.
- Mindmap — карта мыслей для темы, где важно увидеть связи между понятиями.
- Онлайн-версия на chattutor.app с настройкой своего API-ключа.
- Параметры моделей задаются вручную в настройках: страница конфигурации.
Это важно для практики: студент может не просто читать ответ, а видеть логику построения. Предприниматель быстрее поймет метрику в отчете. Разработчик объяснит команде алгоритм через структуру, а не через стену текста.
Почему такие проекты появляются именно сейчас
Рынок созрел: все уже попробовали чат-ботов и увидели их пределы в обучении. Дальше нужны не «еще умнее слова», а новый формат взаимодействия. ChatTutor как раз делает ставку на этот поворот.
Технически проект гибкий. Поддерживаются разные провайдеры моделей: OpenAI, Anthropic, DeepSeek. Это снижает зависимость от одного API и помогает держать расходы под задачу.
- AGENT_MODEL — модель для основного диалога с пользователем.
- TITLE_MODEL — отдельная модель для генерации заголовков чатов.
- MODEL_BASE_URL — можно подключать кастомный endpoint (адрес API).
- DATABASE_URL — PostgreSQL (система управления базой данных) для хранения данных.
- Есть настройки OSS (объектное хранилище) для загрузки изображений.
По сути, это уже не «игрушка на выходные», а каркас для учебного продукта. Можно собрать свой учебный сервис, корпоративного тьютора или внутренний тренажер для команды. И все это на открытом коде.
Как запустить ChatTutor и где он пригодится уже сегодня
Проект выложен на GitHub: репозиторий ChatTutor. Для старта есть 2 пути: Docker или Node+Bun. Если нужна скорость и минимум боли, выбирайте Docker.
Быстрый запуск через Docker
- Требования: Docker 24+ и Docker Compose 2.22+.
- Клонируете репозиторий и копируете .env.example в .env.
- Запуск: docker compose up -d из папки docker.
Запуск для разработки
- Нужны Node.js 20+, Bun 1.2+, pnpm 9.1+.
- Установка зависимостей: pnpm i.
- Режим разработки: pnpm dev, либо раздельно client и web.
Кому это полезно прямо сейчас:
- Онлайн-школам — как основа визуального AI-репетитора по точным предметам.
- EdTech-стартапам — как MVP (минимально жизнеспособный продукт) без сборки с нуля.
- Преподавателям — для интерактивных объяснений тем, где ученики «застревают».
- Техкомандам — для внутреннего обучения джунов через схемы и разборы.
- Фаундерам — для проверки спроса на AI-обучение за 1–2 спринта.
По стеку все современно: Vue, Vite, ElysiaJS и AI SDK (набор библиотек для интеграции AI). Есть интеграция с GeoGebra для математического слоя. Лицензия AGPL v3 (открытая лицензия с обязательством раскрытия изменений при сетевом использовании).
Самое интересное в другом: битва AI-сервисов смещается от “кто умнее отвечает” к “кто лучше объясняет”. Победят те, кто превращает модель в понятного наставника, а не в красивый автодополнитель текста.