DeepMentor

简体中文 | English | 参与共建 / Contributing

有据可查的人生导师，帮你把问题想深，把行动落地。

DeepMentor 是一个基于公开证据、面向真实处境的人生导师知识库。它把人物公开发表过的经验、原话出处与核验记录接入你的 AI 助手，在面对创业经营、战略决策、学习迭代与人生选择时，帮你理清事实、推演边界、形成行动。当前收录 30 位导师，完整名单见人物知识目录。

首屏核心说明

1. 真实处境出发：用户带着具体的问题、目标、资源与现实约束前来咨询。

2. 灵活导师路由：既可明确指定某位导师，也可在未指定时根据全库可引用的已核验证据自动匹配。

3. 严格证据支撑：返回已复核材料、原始出处、具体定位和核验范围；AI 辅助检查、字幕对照与音频听辨按实际记录区分。

4. 行动验证闭环：由调用方 AI 结合用户事实判断适用条件，形成下一步可执行行动与验证/停止指标。

5. 开放社区共建：欢迎社区共同补充人生导师、一手来源、反例、观点演变与适用边界。

让“Deep”体现在分析质量

“Deep” 不依赖黑盒模型或虚构的通用语义理解，而体现在有据可查、层层推演的分析链条：

$$\text{用户处境} \longrightarrow \text{关键问题} \longrightarrow \text{证据与适用性} \longrightarrow \text{行动建议} \longrightarrow \text{验证和停止条件}$$

• 职责边界清晰：DeepMentor 负责可信检索与证据把关（原文出处、定位、版本一致性与停用隔离），调用方 AI 负责深入推演与情境作答。

• 不夸大能力：保持轻量的 SQLite FTS5/BM25 检索，无需生成模型或向量依赖。董事会返回带证据的多视角、交叉质询与权衡矩阵，由调用方 AI 推演，不冒充人物对话。

Related MCP server: MCP Knowledge Assistant

一起完善你的人生导师

DeepMentor 欢迎大家共同补充。你可以添加影响过自己的导师，完善已有人物的采访、文章和公开观点，也可以纠正错引、补充反例和适用条件。人物不需要按热度入选；先从一份能核对的一手材料、一条有边界的原则开始。

• 推荐导师或资料：提交导师线索，附公开来源和具体定位；不会写代码也能参与。

• 发现问题：提交证据纠错，说明条目、原文与上下文。

• 贡献知识包或代码：按中英文贡献指南提交 Pull Request。资料先核对，待核内容保持 pending；通过格式检查不等于观点获得证实。

当前能用什么

• 马斯克：8 条原则，来自 Lex 原播客文字稿与本人 X 原帖，覆盖工程决策、实际用途和时间分配。

• 孙宇晨：11 条原则。Alan 4:22:29 采访及 William 上下集均完成本地机器转写，并增加 7 条经原片字幕与上下文复核的证据；覆盖本地记录、选择、客户价值、方法学习和规则迭代。全文未逐句听辨，不当成已核验原话库。

• 纳瓦尔：9 条原则，来自 nav.al、本人 X 和书籍官网，补充阅读习惯及创造/销售能力。

• 段永平：8 条原则，来自浙江大学官方现场记录和澎湃原报道，补充商业模式与判断依据的重检。未填造 X 账号。

• 科比、周杰伦、景甜：各 4 条原则，分别取自本人文章、原播客及原发布媒体的自采专访；影视人物观点不从他人谈论或歌词推断。

• 格雷厄姆：22条，覆盖问题发现、首批用户、增长与现金、时间、合伙与授权，含2024年 Founder Mode。

• 巴菲特、芒格：分别23、20条，覆盖能力边界、风险与配置、纠错、激励、多学科判断、学习及人生选择；本人署名与编者文字分开，保留2025年巴菲特致股东文字。

• 贝索斯：23条，来自署名股东信及2023年原采访文字，覆盖客户、可逆决策、实验、标准、沟通、团队意见和专注。

• James Clear：20条，覆盖身份与习惯、环境、行动门槛、记录、中断恢复和真正交付。

• 雷军、张小龙：各20条，取自机构原发、本人署名信或原发布讲话文字，覆盖创业准备、用户、效率、质量，以及产品、平台、表达与复杂度。雷军资料覆盖至2023年，张小龙至2021年，历史产品陈述不作为当前政策。

• 乔布斯、盖茨、奥特曼、西弗斯：分别15、16、20、15条，覆盖设计与聚焦、问题与效果、选人与创业验证、行动与授权。

• 吴恩达、李飞飞、黄仁勋：分别20、16、15条，覆盖职业与项目、数据和人本技术、技术市场、判断与团队条件。

• 纳德拉、张一鸣、任正非：分别18、15、16条，覆盖学习与组织、基础与独立选择、需求、研究和供应依赖。历史公司自述保留时期，不当成当前事实。

• 费曼、摩根·豪泽尔、亚当·格兰特：分别16、18、15条，覆盖求证与不确定性、金钱与风险边界、重新思考与协作。

• 德韦克、达克沃思、布琳·布朗：分别16、15、18条，覆盖学习策略和支持条件、灵活坚持、信任与沟通；不从成长心态或毅力标签推断个人价值。

• 统一访问：Python、CLI、HTTP JSON API、标准MCP stdio与本机Streamable HTTP。提供可生成的客户端配置和真实连通性自检，无需模型API Key就能检索；最终的情境分析由调用方AI完成。

• 来源更新：检测已登记网页的文字变化，保存版本并暂停受影响引用；新来源需登记和复核。

• 视频工作流：yt-dlp 采集、CPU 或 Apple Silicon GPU 转写、分块恢复、原片字幕 OCR 对照、术语异文记录。机器结果先保持 pending，知识证据另行逐片段核验。

当前有 30 个人物包、130 个来源记录、465 条证据、460 条原则。保留作者、原链接、短摘录、具体定位、核验范围与应用限制。可浏览人物知识目录、30位扩充审计与转写复核记录。检索使用中英文词项匹配和 SQLite FTS5/BM25，没有向量检索、人物全量观点覆盖或自动联网回答。

深度咨询：从诊断到行动

P0、P1、P2 已有可运行入口，完整参数与边界见咨询与行动指南。

deepmentor board '要不要辞职做AI产品？如何验证需求并控制风险'
deepmentor interview '我想创业，先做什么' --interactive
deepmentor stress-test '还没访谈用户就准备全职做产品'
deepmentor check-in

董事会与压力测试保留证据ID、原链接和适用边界；CLI 展示资料和编辑问题，最终咨询由接入的 AI 结合你的事实推演。行动账本仅在明确调用保存时写入本机，不自动保存提问。

直接问 DeepMentor

在已接入 MCP 的 AI 中，可以说：

用 DeepMentor 帮我看看，怎么赚自己的第一个 100w？

也可以明确指定：

帮我用 DeepMentor 问问孙宇晨，怎么赚自己的第一个 100w？

AI 调用 ask_mentor。未指定导师时，从当前可引用的资料中自动匹配，并在回复开头说明采用了谁的公开资料及选择理由；明确指定导师时优先遵循你的选择。DeepMentor 返回依据、编辑整理的步骤和未知条件；最终情境回答由调用的 AI 按照「用户处境 → 关键问题 → 证据与适用性 → 行动建议 → 验证和停止条件」生成，不冒充孙宇晨本人。

本地也可以直接输入完整请求：

.venv/bin/deepmentor ask '用DeepMentor帮我看看，怎么赚自己的第一个100w'
# 指定人物，或取得给 AI 使用的 JSON 依据包
.venv/bin/deepmentor ask --person 孙宇晨 '怎么赚到第一桶金' --format json
.venv/bin/deepmentor ask '用DeepMentor问问芒格，怎样检查激励对判断的影响'
.venv/bin/deepmentor ask '用DeepMentor帮我看看，一个可以撤回的决定也要层层审批，怎么办'

# 旧命令 open-mentor 保持完全兼容：
.venv/bin/open-mentor ask '用OpenMentor帮我看看，怎么赚自己的第一个100w'

ask 默认显示带原始链接、时间戳和应用边界的资料；金额目标会先列出币种、收入/利润/净资产口径、期限和资源等待确认项。未指明人物时按证据匹配一位导师；明确请求多位导师或未收录的人物时会要求选择。“不要用孙宇晨，用纳瓦尔……”会尊重否定指定；明确请求未收录导师时，背景里提到已收录人物也不会导致静默换人。没有足够证据时不会随意指定导师。

提问解析同时识别新名称 DeepMentor 与旧名称 OpenMentor，前缀不影响意图识别、导师路由与检索排序。

带上背景和追问

通过 situation 提供本轮的目标、技能、时间和约束；该字段里的姓名不会被当成导师指定。主问题明确时按主问题检索，背景交给调用 AI 判断适用性；“那先做哪一步”等追问改用背景里的原问题检索。

.venv/bin/deepmentor ask '那我应该先做哪一步' \
  --situation '原问题是怎么赚第一个100w；我有后端开发经验，每周能投入10小时'

ask、context、对应 HTTP 接口及 MCP 工具都支持此字段。工具不保存聊天历史；AI 客户端应在追问时传入必要背景，需要沿用导师时同时传 person。没有原问题的常见追问返回 needs_context，不会靠“下一步”等词猜导师。请求和背景合计最多 10000 字符，背景与证据分开返回。

本地运行

Python 3.10+，SQLite 需支持 FTS5。新安装默认状态目录为 .deepmentor（源码检出位于仓库内，安装包位于 ~/.deepmentor/）；若存在旧版 .open-mentor 数据，自动无缝复用，不丢失任何复核记录与停用状态。可用全局参数 --state-dir 指定独立目录。

git clone https://github.com/gdpu11/deepmentor.git
cd deepmentor
python3 -m venv .venv
.venv/bin/python -m pip install -e '.[mcp]'
.venv/bin/deepmentor validate
.venv/bin/deepmentor people
.venv/bin/deepmentor search --person 纳瓦尔 '开源软件产品如何扩大规模'
.venv/bin/deepmentor context --person 纳瓦尔 '我有后端经验，想做一个开源工具，应该怎么选择产品方向？'

context 返回问题、匹配原则、待补充的信息和完整引用，类型为 retrieved_guidance_context。它是一份给 AI 使用的依据包；命令本身不伪装成已经生成了个性化回答。可以把 JSON 给当前 AI 分析，或通过 MCP 直接调用。

检索孙宇晨已复核的原片证据，或显式纳入二手资料：

.venv/bin/deepmentor search --person 孙宇晨 --include-pending 'AI 本地记录'
.venv/bin/deepmentor context --person 孙宇晨 --allow-secondary '换 AI 工具时，怎样保留历史记录？'

--allow-secondary 只允许已审阅的二手文字；待核、存在争议、撤回和版本变化未复核的证据仍然退出建议。

给 AI 接入 MCP

先安装可选依赖并检查接入：

.venv/bin/python -m pip install -e '.[mcp]'
.venv/bin/python -m deepmentor doctor --mcp
.venv/bin/python -m deepmentor mcp-config --format codex
# 使用mcpServers配置格式的客户端：
.venv/bin/python -m deepmentor mcp-config --format json

配置使用当前Python环境和绝对路径，从其他工作目录启动也能读取同一份资料与复核状态；命令只输出配置，不覆盖已有设置。默认启动命令为python -m deepmentor mcp。还可用python -m deepmentor mcp --transport streamable-http --port 8766启动本机http://127.0.0.1:8766/mcp。两种方式均已通过实际协议调用验证，接入步骤、旧配置迁移与返回格式见MCP说明。

提供12个工具：ask_mentor、list_people、search_knowledge、get_evidence、get_source、prepare_guidance、consult_board、stress_test、diagnose、list_actions、add_action、check_in。

咨询及读取工具声明只读；add_action 与 check_in 明确声明写入且非幂等，仅在有保存意图时调用。各工具均返回结构化结果与兼容文本；原始参数严格校验，未知字段与字符串布尔值被拒绝。search_knowledge也支持明确允许二手资料的开关；待核或已停用证据继续隔离。

调用示例：

{
  "tool": "ask_mentor",
  "arguments": {
    "request": "用DeepMentor帮我看看，怎么赚自己的第一个100w"
  }
}

推荐用户提示：

使用纳瓦尔知识库分析我的情况。先检索相关证据，说明哪些原则适用、哪些条件不成立，再按「用户处境 → 关键问题 → 证据与适用性 → 行动建议 → 验证和停止条件」给出可执行的下一步。区分原文、编辑归纳和你的推演，每个借用的观点附来源。

HTTP API

.venv/bin/deepmentor serve --port 8765
curl 'http://127.0.0.1:8765/v1/search?person=naval&q=software'
curl -X POST http://127.0.0.1:8765/v1/ask \
  -H 'Content-Type: application/json' \
  -d '{"request":"帮我用DeepMentor问问孙宇晨，怎么赚自己的第一个100w"}'

支持 POST /v1/ask 解析完整请求、POST /v1/context 显式指定人物，两者均接受可选的 situation 字符串。另有 GET /v1/people、GET /v1/evidence/<id>、GET /v1/sources/<id>。另有董事会、压力测试、诊断与行动账本接口，见完整指南。服务只监听本机回环地址；咨询不修改资料或执行抓取，行动接口仅按显式请求更新私人账本。

正常业务状态包括 ready（有相关可引用资料）、insufficient_evidence（资料不足）、needs_person_selection（需确认导师）、needs_clarification（诊断需补目标/资源/风险）和 needs_context（需补原问题）。本地 state.json 损坏时，涉及证据的 HTTP 请求返回 503 review_state_unavailable；CLI/MCP 同样报错并停止引用，不会将损坏状态重置成已接纳。

视频字幕与本地转写

.venv/bin/python -m pip install -e '.[media]'
.venv/bin/deepmentor fetch-subtitles sun-alan-video
# 没有字幕时，单独取得音频；不会偷偷切换到自动转写：
.venv/bin/deepmentor fetch-audio sun-alan-video
.venv/bin/python -m pip install -e '.[asr]'
.venv/bin/deepmentor transcribe sun-alan-video /path/to/audio.webm --model small --language zh

采集支持已登记来源的 URL 或 origin_url，保存到 .deepmentor/media/（或已有的 .open-mentor/media/），不读取浏览器 Cookie。yt-dlp 使用本机 Node 及其官方 JS 组件处理 YouTube；具体平台是否返回字幕需要实际检查，工具不能保证每个视频都有字幕。本地转写需要安装 FFmpeg，先统一解码为 16 kHz 单声道再交给模型。

VTT/SRT、YouTube json3 和 B 站字幕 JSON 会转换成带起止时间的段落。不会自动猜说话人，也不会将字幕提升为已核验知识。Whisper 首次运行会下载本地模型；转写只进入待核对区。转写按输入 SHA-256、模型、引擎、分块大小与原片偏移保存检查点，可续跑。使用截取音频时，用 --source-offset 指明原片秒数；未填写时会明确保留未知偏移，不声称覆盖完整原片。

Apple Silicon 可选 GPU 转写：

.venv/bin/python -m pip install -e '.[asr-mlx]'
.venv/bin/deepmentor transcribe sun-alan-video /path/to/audio.webm \
  --engine mlx --model mlx-community/whisper-large-v3-turbo \
  --chunk-seconds 600 --source-offset 0 --language zh

每个运行保存 chunk-NNNN.json、progress.json、最终 JSON/TXT/VTT。input_coverage_complete 只表示输入音频分块处理完成；机器稿不会自动修改知识包。原片画内字幕 OCR、异文修订与复核细节见转写记录，历史采集见资料审计。

更新和贡献

.venv/bin/deepmentor check naval-specific
.venv/bin/deepmentor status
.venv/bin/deepmentor ingest sun-alan-video /path/to/authorized-subtitles.vtt
# 阅读保存的版本，核对摘录、说话人和上下文后，再显式接纳：
.venv/bin/deepmentor accept-revision naval-specific <sha256> --reviewer 'reviewer-name'

更新检查只比较已登记来源，不自动发现整个互联网的新内容，也不自动确认新观点。accept-revision 只确认资料版本，不会把 pending 证据变成已核验。新增或改变知识条目需修改 JSON 并经过内容复核。

旧版兼容与数据迁移

1. 命名与入口兼容：

   • 新命令：deepmentor 和 python -m deepmentor 为主入口。

   • 旧命令：open-mentor 和 python -m open_mentor 保持完全兼容，复用同一套底层实现。

   • Python 代码中 import open_mentor 会发出一次 DeprecationWarning，原有接口继续正常可用。

2. 数据与复核保护：

   • 状态目录优先级：显式 --state-dir > 新目录 .deepmentor > 旧目录 .open-mentor。

   • 若系统仅检测到旧版 .open-mentor，将无缝直接加载原有复核记录、停用状态和快照，已停用证据绝不会因改名被静默重置为可用。

   • 若用户同时存在 .deepmentor 与 .open-mentor 且两者均含有数据，系统直接抛出 StateConflictError 并中止，明确提示用户手动整合，杜绝静默合并、覆盖或数据丢失。

   • 继续使用旧目录即可保留全部状态。若选择改名，先停止写入进程、备份资料，并确认目标不存在；已有显式目录配置也需同步更新：

     test ! -e .deepmentor && mv .open-mentor .deepmentor # 源码检出目录内
     # 或
     test ! -e "$HOME/.deepmentor" && mv "$HOME/.open-mentor" "$HOME/.deepmentor" # 用户主目录下

3. MCP 服务配置迁移：

   • 默认生成名为 deepmentor 的服务配置。

   • 为避免重复注册导致工具冲突，请在客户端配置中将旧 openmentor 条目更新或替换为 deepmentor（详见 MCP接入与自检）。

仓库地址迁移

项目已更名为 DeepMentor，仓库地址为 gdpu11/deepmentor。已有检出目录无需改名，只需更新远端：

git remote set-url origin https://github.com/gdpu11/deepmentor.git

测试与校验

.venv/bin/python -m unittest discover -s tests -v

代码和原创注释采用 MIT；第三方原文保留原权利，具体边界见 DATA-LICENSE.md。原始材料和私有导出保存在被 Git 忽略的 .deepmentor/（或历史 .open-mentor/），不随代码分发。