논문 한 편 넣었더니 챗봇이 튜터로 바뀌었다… DeepTutor, GitHub 스타 3만4천 돌파

중국어권 개발자 커뮤니티에서 조회수 5만9천 회를 넘긴 게시물 하나가 조용히 한 오픈소스 프로젝트를 다시 조명했다. 사용자 LanfAI(@Huahuazo)는 "범용 AI보다 강력할 거라 기대하지 않았는데, 논문과 노트를 넣어보니 완전히 다르더라. 기존 질문-답변 챗봇과는 다르다"는 취지의 실사용 후기를 남겼다. 그가 언급한 프로젝트는 홍콩대(HKU) 데이터사이언스 연구소(HKUDS)가 만든 오픈소스 "에이전트 네이티브(agent-native)" 개인 맞춤 튜터링 시스템, DeepTutor다.

"그냥 챗봇인 줄 알았는데" — 후기 하나가 다시 불붙인 확산

DeepTutor는 출시 이후 스타 수 증가 속도 자체로 이미 화제가 되어 온 프로젝트다. 그런데 이번 후기가 다시 주목받은 이유는 숫자 때문이다. 원 게시물은 "스타 3만 개"라고 언급했지만, 2026년 8월 11일 오늘 GitHub API로 직접 조회한 결과 HKUDS/DeepTutor 저장소의 스타는 34,026개로, 게시물이 언급한 수치보다 실제로 더 많았다. 확산이 게시물 이후에도 멈추지 않고 계속 진행 중이라는 뜻이다.

39일 만에 1만, 111일 만에 2만 — 속도는 오히려 붙었다

DeepTutor의 GitHub 스타 추이를 보면 성장 곡선은 처음부터 가팔랐다. 출시 39일 만인 2026년 2월 6일 스타 10,000개를 넘었고, 111일 만인 4월 19일에는 20,000개를 돌파했다. 이후로도 속도가 꺾이지 않아 8월에는 34,000개를 넘어섰다. "논문을 넣으니 챗봇이 튜터가 됐다"는 식의 실사용 후기가 반복적으로 확산의 기폭제 역할을 한 셈이다.

DeepTutor가 다른 학습 도구와 다른 지점은 Chat, Quiz, Research, Visualize, Solve, Mastery Path 같은 여러 학습 모드를 하나의 에이전트 루프, 즉 동일한 엔진으로 통합했다는 점이다. 모드를 바꿔도 맥락이 끊기지 않고 학습자를 계속 따라간다. 여기에 RAG 검색, 코드 실행, 웹 검색, 학술 논문 검색, 심화 추론, 브레인스토밍까지 도구 모음을 함께 탑재해, 단일 질의응답이 아니라 하나의 학습 세션 전체를 관리하는 구조에 가깝다. 관련 연구는 arXiv에 프리프린트로 공개되어 있으며, 프로젝트 세부 사항은 공식 웹사이트 deeptutor.info와 GitHub 저장소에서 확인할 수 있다.

업로드한 자료가 곧 커리큘럼이 된다 — 개발자·교육 콘텐츠 제작자가 봐야 할 지점

개발자나 교육 콘텐츠 제작자 입장에서 DeepTutor가 흥미로운 이유는 구조 자체에 있다. 범용 챗봇형 Q&A는 사용자가 무엇을 물어보든 모델의 일반 지식으로 답한다. 반면 DeepTutor는 사용자가 업로드한 교재·논문·노트를 근거 자료로 삼아 그 안에서 튜터링을 진행하는 구조다. LanfAI의 후기가 "완전히 다르다"고 표현한 지점도 바로 여기다. 결과적으로 특정 강의 교재나 사내 문서, 연구 논문 하나를 넣고 그것만을 기반으로 한 학습 도구를 만들 수 있다는 뜻이 된다. 게다가 오픈소스이기 때문에 자체 서버에 호스팅하거나 프롬프트·워크플로를 자사 커리큘럼에 맞춰 커스터마이징하는 것도 가능하다. 교육 콘텐츠 제작자라면 특정 과목 교재를 넣어 맞춤형 학습 보조 도구를 실험해볼 수 있고, 개발자라면 RAG·코드 실행·논문 검색이 하나의 루프로 엮인 구조를 자사 제품의 참고 아키텍처로 살펴볼 만하다.

스타 3만4천 개가 답변 품질을 보장하지는 않는다

다만 확산 속도와 실제 품질은 별개의 문제다. GitHub 스타 수는 관심과 인기를 보여주는 지표일 뿐, 답변의 정확도나 튜터링 품질을 검증한 지표는 아니다. 이번 확산의 출발점도 벤치마크나 제3자 평가가 아니라 중국어권 X 게시물 한 건의 주관적인 실사용 후기였다는 점을 감안할 필요가 있다. 도입을 검토한다면 스타 수만 보고 판단하기보다, 실제로 사용하려는 교재나 문서를 넣어 직접 결과물의 정확도와 근거 인용 방식을 확인해보는 과정이 먼저다.