OpenMAIC：把「看视频上课」变成「和 AI 同学一起讨论」

想象这样一个场景：你在准备期末考试，想搞懂"量子纠缠"到底怎么回事。传统做法是打开慕课视频，看 40 分钟，然后发现自己还是似懂非懂。现在你只做一件事——把一份讲义丢进去，或者直接打一句"教我量子力学"。三分钟后，一间教室出现了：一位 AI 老师开始讲课，语音实时解说，幻灯片一页页推进，讲到关键处白板上手写公式；讲完一段，两位性格不同的 AI 同学会举手提问、和你辩论，甚至老师会点名让你回答问题，答错了当场纠正。这不是 PPT 生成器，这是一间有"人"的教室。

图：OpenMAIC 官方仓库首页横幅，一句话概括项目定位——"Get an immersive, multi-agent learning experience in just one click"

一、它从哪里来：清华团队的 MOOC 2.0 实验

OpenMAIC 全称 Open Multi-Agent Interactive Classroom（开放多智能体互动课堂），来自清华大学 THU-MAIC 团队。名字里的 MAIC 是对 MOOC（Massive Open Online Courses，大规模开放在线课程）的直接对标与超越——MOOC 的核心体验是"我一个人看视频"，MAIC 想做的是"我坐在一间有老师有同学的教室里"。

这不是一个空想出来的概念。清华团队在两年的时间里、700 多名真实学生中完成了课堂验证，研究成果发表于 Journal of Computer Science and Technology (JCST 2026)，论文标题直白地叫 "From MOOC to MAIC: Reimagine Online Teaching and Learning through LLM-driven Agents"（从 MOOC 到 MAIC：通过 LLM 驱动的智能体重构在线教与学）。

时间线也印证了迭代节奏：项目 2026 年 3 月 11 日开源，4 月推出 Deep Interactive Mode（3D、仿真实验、游戏、思维导图、在线编程），6 月转为 MIT 协议并发布 @openmaic/* SDK，8 月 27 日发布 v1.0.0（Agent 工作台、持久化会话、可复用技能），10 月 22 日的 v1.3.0-rc.1 已经做到"个人知识库"。七个多月从 0 到 41k Star、6.4k Fork，是 2026 年 AI 教育赛道增长最快的开源项目之一。

二、类比：它像什么

如果传统 AI 生成课件是"雇了个美工画 PPT"，OpenMAIC 更像是"请了个完整的教研组"。

这个教研组里有：

• 主讲 AI 老师——负责大纲设计、逐页讲解、语音解说、课堂提问；
• 若干 AI 同学——各有不同"性格"（有爱抬杠的、有爱提问的），会在老师讲完一段后主动抛出问题，甚至质疑老师的观点；
• 白板——不是装饰，是真的在演算：写公式、画图、标重点，配合激光笔和聚光灯效果把注意力引导到关键处；
• 随堂测验——学完一节立刻验证；
• 项目式学习（PBL）——不是听懂了，而是要做出来。

关键差别在于课堂是一个"多智能体系统"，不是"一份文档生成任务"。老师和学生之间的轮次推进、讨论、辩论，都由状态机实时调度。

三、核心功能拆解：技术细节

3.1 两阶段生成流水线（lib/generation/）

生成不是一步到位，而是大纲生成 → 场景内容生成两阶段。先由 LLM 产出课程大纲与场景序列，再针对每个场景生成具体内容（幻灯片正文、题目、交互脚本）。两阶段拆分让长课程的结构稳定性大幅提升，也让"用户中途改大纲"成为可能。

3.2 LangGraph 多智能体编排（lib/orchestration/）

基于 LangGraph 的状态机管理智能体轮次与讨论——谁该说话、说多久、什么时候该让同学插话、什么时候该停下来测验。这是整个项目最难自研、也最有价值的部分：多智能体系统真正的难点不是"调 API"，而是"状态与调度"。

3.3 动作引擎（lib/action/）：21 种动作类型

这是它区别于普通幻灯片播放器的核心。系统支持 21 种动作类型，包括语音输出、白板绘图/文字/形状/图表、聚光灯、激光笔等。每一页幻灯片本质上是一段带时间轴的指令流，播放引擎（lib/playback/）按时间轴驱动状态机渲染，于是"讲课"变成了一段可交互、可回放、可导出视频的多媒体叙事。

3.4 回放引擎（lib/playback/）

驱动课堂回放与实时互动的状态机。它让生成结果不只是一次性的网页，而是可以回放、可以导出的完整课堂录像。

3.5 存储层（@openmaic/storage）

Runtime / Document / 资产存储抽象，并附带 PostgreSQL 参考实现，HTTP 契约可对接任意外部存储服务。从 v1.2.0 起"server-first"成为稳定主线——生成跑在服务端，关掉浏览器标签页、重启服务都不会中断，Web 应用和 API 共用同一条流水线。

3.6 多模态与供应商中立

• 模型供应商：OpenAI、Azure OpenAI、Anthropic、Amazon Bedrock、Google Gemini、DeepSeek、Qwen、Kimi、MiniMax、Grok(xAI)、OpenRouter、Doubao、腾讯混元/TokenHub、小米 MiMo、GLM(智谱)、Ollama、Lemonade（本地）、FunASR（本地语音），以及任何 OpenAI 兼容 API。
• 模型配置：通过 openmaic.yml 声明 providers（服务器可调用的账号）与 slots（每种 AI 用途：大纲、幻灯片内容、TTS、网页搜索……）绑定模型，支持默认值、锁定、以及禁止用户自带 Key三种策略。
• 本地化：接入 Lemonade（端侧本地 AI）与 FunASR（本地 ASR），可做完全离线部署；TTS 支持 VoxCPM2 声音克隆。
• 网页能力：v1.2.1 引入 Kimi / DeepSeek / Firecrawl 作为网页搜索供应商，新增 webFetch slot 可让 Agent 通过托管阅读器抓取页面。

3.7 OpenMAIC Skill：把课堂塞进聊天软件

这是最"Agent 化"的设计。内置 Skill 支持 OpenClaw 以及 Codex、DeepSeek、WorkBuddy 等 Agent 工作台，让你在 飞书、Slack、Telegram、Discord 等 20+ 聊天应用或 IDE 里直接说"教我量子力学"，系统自动生成课堂并推送链接回来。对企业内训场景，这是把"AI 教学"接入已有工作流最省力的方式。

3.8 导出能力

课堂可导出为 PPTX（保留每个场景，事后可在 PowerPoint 里继续编辑）或单个离线 HTML 文件（完整播放这堂课）。这个设计对"发给学生自学"极其关键。

四、上手门槛：谁适合玩，谁会踩坑

图：课堂中的 AI 同学讨论环节，AI 之间会主动发问与辩论

技术栈：Next.js 16 + React 19 + TypeScript 5 + Tailwind CSS 4，pnpm monorepo（packages/ 下含 generation、storage、docs 等），Vitest + Playwright 测试。

最低门槛：Node.js ≥ 22.19、pnpm ≥ 10、PostgreSQL 16。本地开发可用 pnpm db:up 一键拉起 Docker 数据库。配置上复制 .env.example 为 .env.local、复制 openmaic.example.yml 为 openmaic.yml，最少只需要一个 OPENAI_API_KEY（或换成你有 Key 的其他供应商）就能跑起来，pnpm dev 后打开 localhost:3000。

不想装环境？ 官方提供在线 Demo open.maic.chat，核心体验可直接体验。

会踩的坑：

1. 版本升级有破坏性变更。v1.2.0 明确要求先停掉所有旧实例，且不支持回滚到该版本以下；v1.3.0-rc.1 同样有升级前置条件。务必读 Release 的 Breaking Changes 再升。
2. v1.2.0 起需要 PostgreSQL 和长驻服务端，且放弃 Vercel 部署（仍停留在 1.1.x）。没有 DATABASE_URL 时服务会拒绝启动并提示如何提供。
3. 默认只监听 loopback。要在局域网暴露需设置 ACCESS_CODE（强烈建议，否则任何能访问端口的人都能共享、编辑甚至删除你的课程库），并设置 OPENMAIC_PUBLISH_ADDRESS=0.0.0.0。
4. 成本不可控。多智能体 + 语音 + 绘图 + 网页搜索，单堂课的 token 消耗可能超出直觉。建议用 Token Plan 统一配置。
5. 安全补丁节奏密集。2026 年 9 月到 10 月间连续发布 4 个安全版本：SSRF 与 DNS rebinding 修复、Next.js RCE 补丁、访问码令牌过期、MinerU Cloud 解析加固、供应商请求地址校验并拒绝重定向（GHSA-g87c-cm4q-cw5x 等）。这是活跃项目的信号，但也意味着必须及时升级。

五、争议与局限：不回避的问题

第一，"AI 同学"是价值还是表演？ 支持者认为同伴讨论是被验证过的学习机制（Socratic 方法、费曼学习法），AI 同学正好补上了"没有学习搭子"这个真实痛点。质疑者则指出：AI 同学的"质疑"本质是 LLM 按提示生成的伪互动，缺少真实同伴那种基于共同经验的立场碰撞。目前这个项目验证的是"形式上补齐了互动环节"，而非"效果等价于真人同伴"——学习效果的长期数据仍需时间积累。

第二，内容深度受限于基础模型。 OpenMAIC 是编排框架而非模型。它不会凭空创造知识，讲解质量的上限由所配模型决定。如果只用小模型，课堂会显得单薄。

第三，生成成本与时长。 完整一堂课涉及大纲、多轮场景生成、语音合成、配图、可能的网页检索，token 消耗和生成时间都不小。生产级使用需要精算。

第四，部署复杂度已从"一键"变"一套栈"。 README 仍打着一键生成的旗号，但 v1.2.0 之后需要 Node + pnpm + PostgreSQL + 长驻服务 + 模型配置，早期那种"clone 完就能跑"的轻快感已经过去。README 自己也提示了 3D/仿真场景涉及 TensorFlow.js、ONNX Runtime Web 等依赖，版本兼容性需要额外留意。

第五，学术转化仍是进行时。 700+ 学生、两年验证是扎实的，但样本量在教育研究里并不算大，且集中在单一一所高校的教学场景，向 K12、企业培训、跨文化教学迁移的有效性尚未被充分检验。

六、行业意义：一个方向的定调

OpenMAIC 的意义不只在 41k Star。它把"多智能体系统 + 垂直场景 + 完整交互形态"这套组合跑通并开源，等于给行业提供了一个可复用的样板：

• 教育形态：从"内容生成"升级到"教学过程模拟"，这是 Agent 能力真正开始兑现到业务流程的信号；
• 交互范式：21 种动作类型 + 时间轴引擎，证明 LLM 应用不该停在"聊天框 + Markdown"，而应该有独立的富交互运行时；
• 工程标准：MIT 协议、@openmaic/* SDK、Agent 工作台集成、供应商中立的 slot 配置——这套"不绑定单一模型"的架构，正成为 2026 年 AI 应用工程的主流共识；
• Agent 化入口：通过 Skill 接入聊天软件，说明 AI 应用正在从"独立 App"走向"存在于既有工作流中的能力"。

从 MOOC 到 MAIC 的类比未必精确——慕课的规模优势恰恰是多智能体难以企及的。但 OpenMAIC 提出的那个反向命题成立：如果在线教育的目标不是"覆盖最多人"，而是"让每个人都被真正教到"，那么从一对多的视频，换成多对多的智能体课堂，可能才是更接近目标的一步。

七、上手建议

个人学习者：直接用在线 Demo，或按 README 走 pnpm dev。想省事就选 Ollama/Lemonade 本地模型跑通流程，再接入云端供应商提质量。

企业内训团队：重点看 OpenMAIC Skill + 飞书/Slack 集成，配合 ACCESS_CODE 做权限控制，导出 PPTX 或离线 HTML 供员工自学。

二次开发者：重点研究 lib/orchestration/（LangGraph 状态机）和 lib/action/（21 种动作类型）——这两块是整个项目的技术护城河，也是任何"AI 教学/AI 演练/AI 客服模拟"类产品的可复用骨架。存储层 @openmaic/storage 的抽象方式同样值得借鉴。

运维注意：务必阅读每次升级的 Breaking Changes；对外暴露时务必配置 ACCESS_CODE；保持跟随安全更新节奏。

---

项目地址：https://github.com/THU-MAIC/OpenMAIC ｜ 在线体验：https://open.maic.chat/ ｜ 论文：JCST 2026, DOI 10.1007/s11390-025-6000-0 ｜ 商业合作：thu_maic@mail.tsinghua.edu.cn ｜ License: MIT