Chatはデフォルト機能であり、ほとんどの作業が始まる場所です。1つのスレッドで通常の会話、ツールの呼び出し、選択した知識ベースへのグラウンディング、添付ファイルの読み取り、画像生成、サブエージェントとの相談、ノートブックレコードの書き込みが可能で、ターンをまたいで同じコンテキストを維持できます。

チューターは必要に応じてツールを呼び出し、確認の質問をするために一時停止できます。右上のCustomize pageで、表示するモードと、Skills、MCP、Partners、Preferences、音声入力の各コントロールを選択します。Starting promptsでは、Explain、Solve、Practice、Plan、Researchのタイトルとプロンプトを追加、編集、削除できます。Saveはアカウントの設定を適用し、Cancelは編集を破棄し、Restore defaultsは元の選択に戻します。

ユーザーが切り替えられるツールはbrainstorm、web_search、paper_search、zotero_search、reason、geogebra_analysis — 加えて、対応する生成モデルを設定すればimagegenとvideogenも利用できます。rag、kb_files、knowledge_frontier、read_source、read_memory、write_memory、read_skill、load_tools、exec、web_fetch、ask_user、list_favorites、save_favorite、write_note、search_notes、question_bank、github、consult_subagent、workspace_list、workspace_read、workspace_search、workspace_present、workspace_exportなどのコンテキスト依存ツールは、ターンに適切なコンテキストがある場合に自動的にマウントされます。

コンテキストには2種類あります。スティッキーセッションコンテキスト（機能、ワークスペースまたはコース、ツール、知識ベース、ペルソナ、モデル、Reading / Masteryの状態）はターンをまたいで持続します。参照（ファイル、チャット履歴、本、読書セクション、ノートブック、問題バンクから選択した項目、インポートしたエージェント）は、デフォルトでは+メニューから1回のターンのために追加され、ピン留めすると毎回のターンで使われます。音声ボタンが文字起こしするのは現在のメッセージだけです。

フルプロファイルでは、HomeからChat、Ask Questions、Quiz、Visualize、Video Lessonにワンクリックでアクセスできます。引用付きレポートのResearchと手順を追った推論のSolveはMore Capabilitiesの下にあります。回答内のテキストを選択するとLittle Tutorが開き、元の会話の下にネストされた、集中できるサイドバースレッドでやり取りできます。送信済みメッセージが3つ以上ある場合、スペースが許せば左のガターに各質問の目盛りが表示されます。ホバーでプレビュー、クリックで質問に戻る、または**Alt/Option + ↑/↓**で質問間を移動できます。

Task Boardでは、学習タスクをTo do、In progress、Doneで管理できます。メモ、ドラッグ＆ドロップやキーボードで操作できる移動コントロール、復元可能なアーカイブを備えます。タスクは現在のワークスペースに保存され、モデル設定は不要です。

Calendarは、個人の学習セッション、繰り返しイベント、リマインダーを一元管理し、Apple Calendar、Google Calendar、Outlook、Thunderbird向けの.icsエクスポートに対応します。タスクの期限や復習などのワークスペースオーバーレイは、元のワークスペースとの接続を保ちます。

学習ノートブック（旧Co-Writer）は、アクティブなワークスペース内で、自分の文章をページ、サブページ、ブロックに整理します。Word文書のインポート、ページツリーの整理、Favoritesの元のレコードの根拠としての挿入ができます。各ページには保存状態が常に表示され、MarkdownまたはWordにエクスポートできます。インタラクティブなコンテンツはWordでは静的な内容になります。

フラッシュカードをAnkiにエクスポート。 NotebookページにはFlash Cardsを含められます。Flash Cardsがあるページでページメニューを開き、Export flashcards (Anki)を選択してください。ノートブックの復習キューからExport all for Ankiを選択することもできます。AnkiではFile → Importを使い、ダウンロードした.txtファイルを選択します。カードはDeepTutor::<note title>という名前のデッキに入り、表面/裏面のフィールド、タグ、数式が保持されます。同じファイルを再インポートすると、カードが複製されるのではなく既存のカードが更新されます。DeepTutor独自の復習スケジュールは含まれません。

Ditoと文章やブロックについて話し合い、説明、例、書き直し、練習問題を依頼できます。会話は関連するページと行に紐づいたまま保持されます。提案された変更を確認してから受け入れるか、回答を行の下に挿入して作業を続けられます。Favoritesには元のレコードを保存し、ノートブックでは自分の理解を組み立てていきます。

Bookは選択したソースをインタラクティブな生きている本に変換します。静的なPDFではなく、タイプ指定されたブロックから構築された読書環境です。知識ベース、Favorites、問題バンク、チャット履歴から本を開始できます。作成フローではコンテンツが生成される前に章のアウトラインを提案するため、盲目的な一発生成を受け入れるのではなく、構造を確認できます。

各章は編集可能なタイプ指定ブロックにコンパイルされます — テキスト、コールアウト、クイズ、フラッシュカード、タイムライン、コード、図、インタラクティブHTML、アニメーション、概念グラフ、詳細解説、ユーザーノート — それぞれにPage Chatがあります。ブロックの挿入、移動、再生成、書き直し、種類の変更ができ、選択した箇所は確認可能な学習キャプチャの受信トレイに入ります。管理者の本が読み取り専用または共同編集用に共有されていても、進捗、ブックマーク、クイズの受験結果、学習キャプチャ、Page Chatは読者ごとに非公開のままで、共有された本を削除できるのは管理者だけです。どの本もMarkdownにエクスポートでき、長時間のコンパイルは一時停止と再開が可能です。deeptutor book healthはソースのドリフトを検出し、deeptutor book refresh-fingerprintsはソースのベースラインを更新します。

知識ベースはRAGの背後にあるドキュメントコレクションです — Chatターン、学習ノートブックの編集、Book生成、Partnerの会話をグラウンドします。特徴的なのは検索エンジンの選択です：LlamaIndex（デフォルト、ハイブリッドなベクター + BM25。オプションでクロスエンコーダー再ランキングとexact-flatまたはHNSW FAISSインデックスを利用可能）、PageIndex（ページレベル引用付き推論検索、ホスト型またはセルフホストOSS）、GraphRAGとLightRAG（知識グラフ検索）、LightRAG Server（HTTP経由で接続する外部LightRAGインスタンスに検索をオフロード）、WeKnora（ローカルインデックスやドキュメントコピーを作らず、セルフホスト環境の知識ベースから検索）、Tencent IMA（IMAでキュレートするライブラリで、そのOpenAPI経由で検索・閲覧・書き戻しが可能）、MarginNote 4（あなたのMN4学習データ — ドキュメント、抜粋、マインドマップカード、およびそれらの間のリンク — がアプリのアドオンによって取り込まれ、専用ツールでナビゲートできます）、Kiwix（HTTP経由で提供される検索可能なZIMアーカイブ。ローカルでのインデックス作成は不要）、またはチューターがその場で読み書きするリンクされたObsidianボールト。各KBは1つのエンジンにバインドされます。

既存のObsidian、Hermes、Markdownライブラリを移行する場合は、接続ボールトとインデックス付きコピーの手順をKnowledge migration guideで確認してください。

KBを作成する際は、新規作成（ドキュメントをアップロードしてインデックスを構築）、既存をリンク（既存のインデックスをその場で再利用）、またはKiwixに接続（提供中の1つのZIMアーカイブをオンデマンドで検索）を選べます。作成時に保存先ワークスペースを選択します。既存のKBも、プレビューで確認した後に、割り当てと保存済みの参照を維持したままワークスペース間で移動できます。KBはGitHubリポジトリ（リポジトリ、ブランチ、glob）またはドキュメントサイトのURL（クロール深度とページ数に上限あり、デフォルトで24時間ごとに再同期）も追跡できます。同期はコンテンツのハッシュ差分から追加・変更・削除を検出するため、フォローしているドキュメントを再アップロードなしで最新の状態に保てます。リンクされたフォルダは同期時にローカルの新規・変更ファイルを取り込みます。再インデックスは新しいフラットなversion-Nディレクトリを書き込み、以前のものを保持するため、再構築中に作業中のインデックスが破壊されることはありません。解析に失敗したファイルを完全な削除・再構築なしで取り除けるよう、error状態のベースからでも単一のドキュメントを削除できます。ドキュメント解析（Text-only、MinerU、Docling、Tika、markitdown、PyMuPDF4LLM、LiteParse）とオプションの画像説明モデルはSettings → Knowledge & documentsで選択し、ローカルモデルのダウンロードはデフォルトでオフです。Doclingは、Docling Serveサーバーに対してremoteモードで実行することもできます（ローカルインストールやモデルは不要）。この設定は同じページ（mode=remote、サーバーのベースURL、オプションのAPIキー）またはDOCLING_MODE / DOCLING_API_BASE_URL / DOCLING_API_TOKEN環境変数で行います。Tikaはリモート専用で、そのページに設定したApache Tikaサーバーを参照します。CLIはlist/info/create/connect-kiwix/add/search/eval/eval-diff/set-default/delete、ソースの追加/削除コマンド、list-sources、syncでライフサイクルをミラーします。

組み込みLightRAGエンジンはpip install 'deeptutor[rag-lightrag]'でインストールします。このエクストラにはサポート対象のLightRAG SDKが含まれますが、MinerUはインストールしません。構造化解析が必要な場合は、Document ParsingでMinerUを個別に選択し、クラウドモードを設定するか、現在のローカルCLIをインストールしてください。MinerUはPDF、一般的なラスター画像、DOCX、PPTX、XLSXを受け付けます。従来のmagic-pdfコマンドは引き続きPDFのみです。Text-onlyおよびその他の解析エンジンはMinerUを必要としません。

ネイティブLightRAGのクエリとインクリメンタルインデックス作成には、モデル、次元、エンドポイントの識別情報を含む、公開されたインデックスに記録された埋め込み設定が必要です。これが変更された場合は、元の設定を復元するか、現在の埋め込みで再構築してください。埋め込みの識別情報が記録されていないインデックスは再構築が必要です。知識ベース詳細ビューとインデックスバージョンビューには復旧ガイダンスが表示され、ファイルは引き続き閲覧・ダウンロードできます。

知識ベースの採点。 複数のエンジンが利用できるなか、「この資料ではどれが最もよく検索できるか」は実測で判断する問題です。その答えを得るのがdeeptutor kb evalです。QAセット（1行に1つのJSONオブジェクト：queryと、理想的な検索結果に含まれるべきgoldの文章）を作成し、deeptutor kb eval <name> --dataset qa.jsonl --top-k 5 [--mode hybrid] [--save baseline.json]でKBを採点します。各ケースはチャットターンと同じ経路で検索され、順位付きの引用が完全一致または語彙の重なりで正解の文章と照合されます（しきい値は--min-ratioで調整でき、意味的な同等性は評価しません）。実行結果にはRecall@k / Precision@k / nDCG@k / MRR / MAP / Hit@kが報告されます。指標は順位だけを入力とする純粋関数で、モデルによる出力の判定はありません。保存したレポートをdeeptutor kb eval-diff baseline.json candidate.jsonで比較すると、指標ごと・ケースごとの変化が分かります。kb evalで--rewrite offまたは--rewrite standaloneを指定すれば、元のクエリと書き換えたクエリを比較できます。レポートにはクエリ書き換えの来歴も記録されます。インデックスの欠落や不正な認証情報などで検索に失敗したケースにはスコアを付けず、平均を引き下げる代わりに個別に報告します。PageIndexは推論によって検索し、順位付きのチャンクを返さないため、対象外です。

{"query": "Why do transformers scale attention?", "gold": ["Scaling keeps the dot products from growing with the dimension."]}

Chat Historyは、元の学習コンテキストを維持したまま会話を再開します。Favoritesは、役立つ元の会話や結果を移動可能なコレクションに保存し、Markdownエクスポートや学習ノートブックへの挿入に利用できます。Learning journalは、現在のミッション、セッションの引き継ぎ、確認済みの学習レコードを記録します。問題バンクは、問題、回答、解説、間違いを整理します。問題セットを選択してLearning → Practiceで苦手分野を復習し、反復学習をスケジュールできます。

WebまたはIMからの受信メッセージはすべて通常のChatOrchestratorターンになります。Partnerとは「個性と電話番号を持つチャット」です。SOUL.md、モデル選択、ツールポリシー、ライブラリは作成後も編集できます。プライベートなPartnerワークスペースには、割り当てられた知識ベース、スキル、Favoritesコレクションがコピーされます。バインドされたワークスペースでは、代わりに現在のファイルとリソースが共有されます。どちらのモードでも、Soul、会話、関係メモリは分離されます。

Partner Groupsは、2つ以上のPartnersを1つの共有会話に集め、個別の参加枠、選択可能なディスカッションと共有メモリのモード、永続的な履歴を提供します。コンパニオンが共有されている場合でも、認証済みユーザーはプライベートなPartnerセッションと関係メモリを保持します。

スキーマ駆動のチャンネルは、インストール済みエクストラと認証情報に応じて、コンパニオンをFeishu、Telegram、Slack、Discord、DingTalk、QQ/NapCat、WeCom、WhatsApp、Zulip、Mattermost、Matrix、Mochat、Microsoft Teamsに接続します。ブラウザベースのセットアップでは、対応チャンネルのQRオンボーディングを利用できます。PartnerはPersonalization → My Agentsを通じて接続し、通常のChatターンから相談することもできます。

ライブエージェントを接続 — Claude Code、Codex、Grok CLI、Antigravity、Kimi、opencode、MiMo Code、Hermes Agent、OpenClaw、DeepSeek Harness、またはPartnerを接続し、Chatターンから相談できます。DeepTutorは選択したエージェントを実行し、consult_subagentを通じてその作業をActivityパネルにストリーミングします。Agentチップまたは@により、接続がセッションに紐づいたまま保持されます。ローカルハーネスは、それぞれ独自の認証、作業ディレクトリ、セッションストレージを使用します。

過去の会話をインポート — ChatGPT、Claude Code、Codexの過去の会話を、検索・再開可能な参照として取り込めます。ChatGPTでは公式のconversations.jsonエクスポートを使用し、Claudeの履歴はプロジェクトまたは作業ディレクトリ、Codexの履歴は日付で選択します。インポートした会話は+ → My Agentsから参照でき、DeepTutor自身の声に変わることはありません。

Personasは、声、指導スタイル、応答ポリシーを再利用でき、PartnerのSoulの初期内容としても使えます。Skillsは、繰り返し使うワークフローをSKILL.mdプレイブックとしてパッケージ化し、アカウント共有とワークスペースローカルのライブラリを提供します。Import from EduHubでは、コミュニティスキルを参照し、セキュリティゲートを通じてインストールできます（エコシステム参照）。

MCP Servicesは外部ツールを認可し、CLI AppsはCLI-Anythingカタログのインストール済みプログラムを実行サンドボックスを通じて公開します。ワークスペースの割り当てとユーザーグラントにより、各ターンで使用できるリソースが決まります。

Memoryはファイルバックの3層システムで、読み取り、キュレーション、監査が可能です — 意図的に隠されたベクターストアではありません。L1はワークスペースミラーに加えた追記のみのイベントトレース（trace/<surface>/<date>.jsonl）、L2はL1エンティティへの参照を持つサーフェスごとのキュレートされた事実（L2/<surface>.md）、L3は寄与したL2サーフェスを記録するクロスサーフェス合成（L3/<profile|recent|scope|preferences>.md）です。

Memory Graphはピラミッド全体を表示します — L3合成が中心、L2が中間リング、L1トレースが外側 — 正確なL2 → L1の証拠エッジと、L3 → 寄与サーフェスのリンクを確認できます。Memoryはchat、notebook、quiz、kb、book、partner、cowriterサーフェスで追跡されます。コンソリデーターのUpdate / Audit / DedupバジェットはSettings → Memoryで調整します。

Settingsはオペレーションコントロールプレーンで、最初に表示されるGeneralでインターフェースとモデル出力の言語を設定します。検索可能なナビゲーターから独立した各ページにアクセスできます。PersonalにはWorkspaces、Data migration、Appearance、Usage statistics、Learning & conversationにはStarting points、添付ファイル、Video Learning、学習者と保護者の管理、Learning progress、Memory、Models & servicesにはProviders、Language models、Task models、Embedding、Search、Voice、Multimodal generation、Features & integrationsにはツール、機能パラメーター、Partners & agents、Knowledge & documentsがあります。SystemにはNetwork、Runtime status、Aboutがあり、Archived chatsではアーカイブした会話の検索、復元、完全削除ができます。Runtime statusにはバックエンドの健全性、常駐メモリ、機能の阻害要因・警告・提案を評価するReadinessマトリクスが表示されます。Workspacesはトピックのファイルと学習状態を分離し、Data migrationでは検証付きの移行とエクスポートができます。プロバイダーはベンダーのアドレスと認証情報を保持し、そのサービスモデルで再利用します。モデルページでは保存済みプロバイダーを選び、モデル名と機能を設定します。Task modelsは、会話への命名やStarting pointsの作成からMath AnimatorとVideo Lessonの修復まで、自動処理に小さく高速なモデルを固定し、空欄の場合はアクティブなデフォルトに解決されます。Voiceには音声合成と文字起こし、Multimodal generationには画像と動画のモデルがまとまっています。Partners & agentsではローカルハーネスとリモートのHermesゲートウェイを設定します。

ベトナム語： Settings → Generalで、Interface languageにTiếng Việtを選択し、Apply changesを選びます。Model output languageは独立しています。ベトナム語で返答させるにはそこでもTiếng Việtを選択し、ベトナム語のインターフェースを使いながら別の返答言語を維持することもできます。返答品質は、選択したモデルのベトナム語サポートに依存します。

Xiaomi MiMoの音声合成。 https://api.xiaomimimo.com/v1とAPIキーを指定してXiaomi MiMoプロバイダーを追加し、Settings → Voiceでmimo-v2.5-ttsを追加します。mimo_default、冰糖、苏打などのプリセットを選び、出力形式をwavまたはpcm16にして、適用前に試聴してください。音声指示でスタイルと読み上げ速度を調整できます。このアダプターはプリセット音声のみをサポートします。音声デザインと音声クローンには別のモデルが必要で、このアダプターでは利用できません。以前のMiMo音声モデルを汎用のOpenAI互換アダプターで設定していた場合は、Xiaomi MiMoプロバイダーを使って音声エントリーを作成し直し、chat-completionsプロトコルを使うようにしてください。MiMo公式音声ガイドを参照してください。

MiniMaxの音声合成 — Settings → Voiceでテキスト読み上げにMiniMaxを選択し、speech-2.8-hdを選びます。MiniMaxのAPIキーを設定し、システム音声を明示的に選択するか、カスタム音声のIDを入力してください。APIベースのデフォルトはhttps://api.minimax.io/v1で、中国リージョンではhttps://api.minimaxi.com/v1を使用します。読み上げと音声プレビューはネイティブの音声エンドポイントを使用し、MP3、WAV、FLAC、PCMの出力形式、サンプルレート、速度、言語を調整できます。音声IDとアカウントでの利用可否については、MiniMax音声APIを参照してください。

Settings → Learning & conversationのVideo Learningでは、Reading用のYouTube字幕とInvidiousへのアクセスを設定します。Invidiousを使用するには、管理者が管理するバックエンドAPIオリジン（例：http://127.0.0.1:3000）とブラウザからアクセスできる公開オリジンを設定し、接続をテストして、Invidiousを選択して保存します。Readingの教材追加ダイアログにあるBrowse Invidiousから動画を検索し、接続済みの登録チャンネルやプレイリストにアクセスできます。YouTubeの再生には公式のプライバシー強化プレーヤーを使用します。字幕がない場合もその状態が表示され、チューターが参照できる根拠は制限されますが、ネイティブ再生は妨げられません。ソースチェックアウトでデフォルトのYouTube字幕ローダーを使用するには、python scripts/install_extras.py video-learningを実行してください。既存のWatchingリンクは、会話履歴、互換性のある文字起こし、ノート、進捗を保持してReadingに移行されます。新しいタイムスタンプ付きノートはReadingの注釈として保存されます。Bilibiliは独自の再生と字幕取得の経路を使用します。

ほとんどのセクションはドラフトと適用フローを使用するため、コミットする前にプロバイダーをテストできます。Chatで直接依頼するだけでも構いません。アシスタントが現在の設定を読み取り、変更を適用し、再起動または再インデックスが必要かどうかを教えてくれます。コミットする前に新しいモデルをプローブするため、到達不能な設定に自分自身を切り替えてしまうことはありません。APIキーがモデルを経由することは決してなく、代わりに該当するフォームを開いてくれます。4つのテーマが用意されています：Default、Cream、Dark、Glass。プロジェクトルートの.envファイルは意図的に無視されます。ランタイム設定はDEEPTUTOR_HOMEまたはdeeptutor start --homeでアプリを別の場所に向けない限り、data/user/settings/*.jsonに保存されます。

OpenAI Codex OAuth（実験的）。 Settings → ProvidersでOpenAI Codexを追加すると、あなた自身のChatGPTプランを使うブラウザサインインが開くため、OPENAI_API_KEYは不要です。トークンはdata/system/user-secrets/<owner>/private/openai-codex/にのみ保存されます。マルチコンテナComposeデプロイメントではexecサンドボックスが到達できるどのツリーの外にも置かれ、DeepTutorが~/.codex CLIログインを読み取ったり変更したりすることはありません。モデル一覧はそのアカウントのライブカタログから取得され、サインインでプロフィールは公開されますが、LLMがまだ設定されていない場合にのみアクティブモデルになります。トークンは1人のプランを認可するため、プロフィールをユーザーグラントで共有することはできません。一般ユーザーも含め各アカウントが自分でサインインし、そのサインインカードはProvidersに表示され、結果のモデル、カタログ、サインアウトはそのアカウントだけに閉じます。

サインイン時とRefresh modelsの実行時に、DeepTutorは公式のnpmレジストリから最新の安定版@openai/codexバージョンを読み取り、カタログリクエストのclient_versionとして使用します。これはメタデータのみの処理です。Codex CLI自体をインストール、ダウンロード、アップグレードすることはなく、npmリクエストにOAuth認証情報が含まれることもありません。この検出には3秒のタイムアウトと64KiBのレスポンスサイズ上限があります。失敗した場合、DeepTutorはそのアカウントで最後に成功したバージョンを使用し、キャッシュがない場合は組み込みのフォールバックを使用します。ライブカタログの解析に成功した場合のみ新しいバージョンが保存され、バリデーターはバージョンや認証情報の世代をまたいで再利用されることはありません。バージョンの拒否または非互換なカタログ構造が発生した場合は、以前のバージョンで1回だけ再試行が許可されます。認証エラー、レート制限、TLS障害はバージョンの問題として再試行されません。手動更新が失敗した場合はエラーが報告され、古いキャッシュ済みカタログを更新済みとして提示することはありません。

成功したバージョン履歴は、同一アカウントのトークン更新やカタログ認証エラーをまたいで保持されますが、無効化されたモデルデータやETagが再び使用可能になることはありません。サインアウトすると、バージョン履歴を含むそのアカウントのローカルキャッシュがクリアされます。通常のステータス読み取りと推論はnpmに問い合わせません。新しいカタログエントリは、すでに選択済みのモデルを置き換えたり学習セッションを再起動させたりしません。カタログに登場することは、完全な推論プロトコル互換性を保証するものではありません。バックグラウンドのバージョン更新機能やユーザー向けのバージョン設定はありません。

デフォルトのローカルDockerおよびPodmanデプロイメントは別々のループバックネットワークを使用するため、サインイン中に一時的なブリッジが必要です。正確なDocker、Compose、Podman、および後片付け用のコマンドについては、一時的なローカルCodex OAuthブリッジガイドを参照してください。

リモートデプロイメントでは、ブラウザ側のlocalhostとサーバー側のlocalhostは別のマシンであるため、通常のリバースプロキシだけではブラウザのlocalhostコールバックをサーバーまで運べません。コールバックの橋渡しとしてSSHトンネルを使用してください。トンネルは既に公開されているWebポートに到達します。Next.jsは正確なコールバックパスのみを公開コールバックブローカーに書き換え、ブローカーは元のOAuth操作にルーティングする前にstateを検証します。コールバックリスナーはバックエンドのループバックに留まり、ポート1455と1457は公開されず、このパスはデフォルトのDockerブリッジネットワークをサポートします。

ssh -N -L 1455:127.0.0.1:3782 <ssh-user>@<server-host>

DeepTutorがフォールバックコールバックポート1457を報告する場合は、以下を使用してください：

ssh -N -L 1457:127.0.0.1:3782 <ssh-user>@<server-host>

実際のコールバックポートに一致するコマンドを1つだけ実行してください。両方を実行しないでください。3782はあくまで例のWebポートです。これはcallback_forward_portとして報告される、設定済みのフロントエンド/コンテナポートです。この値は、同じポートがSSHホストの127.0.0.1でリッスンしていることを保証するものではありません。DockerまたはPodmanが異なるホストポートを公開している場合、あるいはリバースプロキシが別のポートでリッスンしている場合は、右側のターゲットポート（上記の3782）のみを、SSHホストの127.0.0.1で実際にリッスンしているWebポートに置き換えてください。左側のコールバックポートは1455または1457のまま保ってください。<server-host>は、そのリッスンポートのループバックを所有するSSHホストです。ブラウザのURLがリバースプロキシやロードバランサーの名前を示している場合は、正しいSSHフロントエンドホストに置き換えてください。

CLIはトンネルコマンドを出力した直後にブラウザを開こうとします。リモートデプロイメントでは、認可ページを完了せずに開いたままにし、別のターミナルで出力されたトンネルを確立してから、認可を続行してください。

リモートトポロジー検出にはlocalhostの境界があります。Webアプリ自体がSSHやIDEのlocalhostフォワード経由でアクセスされている場合、ブラウザはサーバーがリモートであることを判別できません。現在のWeb操作については、その認可ページを完了させないままにし、その操作の認可URLのredirect_uriを読み取ってコールバックポート1455または1457を特定し、そのローカルポートから実際のWebポートへ2本目のトンネルを作成してください。あるいは、そのWeb操作をキャンセルしてCLIで新しい操作を開始してください。CLIの出力は新しい操作に属するものであり、既存のWeb操作には使用できません。クォータエラーとカタログの失敗はそのまま報告され、有料プロバイダーへのフォールバックは決して行われません。この互換性パスは実験的です。上流のインターフェースは変更される可能性があります。