Tutor: assistente de código com IA que roda 100% local
O Tutor é um assistente de programação para o terminal que roda com um modelo de linguagem local de 7 a 9 bilhões de parâmetros, numa GPU de 8 GB. Ele executa direto o que você já domina, ensina o que você está aprendendo e mede, sem IA, se o aprendizado aconteceu. Modelos na nuvem são opcionais e ficam bloqueados até o usuário liberar.
Cliente e contexto
Assistentes de código resolvem rápido, mas quem os usa o tempo todo pode deixar de aprender. O Tutor separa o que a pessoa quer terceirizar do que quer aprender, e se comporta de forma diferente em cada caso.
O problema
“Quero uma IA que faça o trabalho repetitivo por mim, mas que me faça pensar no que eu ainda estou aprendendo — e sem mandar meu código para fora da máquina.”
Restrições
- Modelo pequeno, numa GPU de 8 GB: precisa de travas para não errar com confiança.
- Código do usuário não sai da máquina por padrão.
- A medição de aprendizado não pode depender do próprio modelo.
Decisões e trade-offs
Modelo local via Ollama, nuvem só com permissão
Por quê: Privacidade e custo zero por uso. Claude e Gemini entram por papel (juiz, escalonamento) e só depois que o usuário libera.
Modos escolhidos pelas metas do usuário
Por quê: Tópicos marcados como “terceirizar” são executados direto; os marcados como “aprender” viram modo guiado, com dicas em escada que não entregam a solução.
Medição sem IA
Por quê: Revisões espaçadas (FSRS) em que a resposta certa vem de executar o código, e micro-tarefas corrigidas por testes escondidos.
Travas para o agente
Por quê: Cada passo é um patch reversível; mexer fora do plano ou alterar um teste para fazê-lo passar exige permissão.
Pesquisa com metadados de base, nunca do modelo
Por quê: Títulos, autores e referências de artigos vêm do OpenAlex; o modelo só comenta o resumo.
O que foi construído
- Chat no terminal com modos executar, guiado, prática sem IA e revisão.
- Modo dupla: a tarefa é dividida em passos entre a IA e a pessoa.
- Mapa do repositório por relevância (PageRank sobre o grafo de imports) e índice em cache.
- Pesquisa acadêmica no OpenAlex, com exportação em ABNT e BibTeX.
- Painel de domínio por tópico, sem pontos, sequências ou ranking.
Resultados
- 8 GBde GPU bastam para rodar o modelo local (testado com Ollama)Fonte: README do projeto
- 135testes automatizadosFonte: Repositório do Tutor, 13/10/2026
O azulejo deste case
Linhas não vazias de Python em cada módulo do Tutor.
| Linhas de código do Tutor por módulo | linhas |
|---|---|
| Pedagogia | 1.473 |
| Pesquisa | 1.060 |
| Repositório (workspace) | 1.013 |
| Aprendizado | 630 |
| Modelos (LLM) | 449 |
| Avaliações | 237 |
| Perfil adaptativo | 211 |
Fonte: Repositório do Tutor · 2026-10-13
Tecnologias
Quer algo nesse nível?
Mande o problema, não a especificação.