清华开源 OpenMAIC：把「讲课」变成一份可执行的乐谱
项目地址：github.com/THU-MAIC/OpenMAIC
2026 年 9 月初，清华大学 THU-MAIC 团队开源的 OpenMAIC（Open Multi-Agent Interactive Classroom，开放多智能体互动课堂）连续多日排在 GitHub Trending 榜首，单日 Star 增量一度接近 3000。截至 9 月 3 日，Star 数 30,513，而仓库创建至今不到半年。
它的用法一句话能说清：上传一份 PDF 或丢给一个主题，几分钟后拿到的不是总结、不是 PPT，而是一间 AI 教室。
教室构成：AI 老师、AI 同学，和你
OpenMAIC 官方对自身的定义是：
能够将任何主题或文档转化为丰富的互动学习体验……由 AI 教师和 AI 同学进行语音讲解、白板绘图，并与你展开实时讨论。
进入一间生成好的教室，能看到：
- AI 老师：讲解时配合语音、激光笔和聚光灯；讲方程时在共享白板上逐步推导，讲流程时当场画图。
- 几个 AI 同学：不同人设，包括爱追问的学霸和喜欢抬杠的「杠精」。他们会主动举手提问、发起讨论、组织圆桌辩论。
- 你：随时插话、答题、被点名。讲完知识点后有随堂测验，当场判分讲解。
支持四种课程场景：幻灯片讲解、互动测验、基于 HTML 的交互式模拟（物理仿真、流程图、小游戏）、以及需要选角色上手操作的项目制学习（PBL）。
为什么是「课堂」跑通了多智能体
多智能体的 demo 大多停在几个机器人互相聊天，看不出生产力。OpenMAIC 选了教学场景，原因是课堂天然需要角色分工：老师讲，学霸问出别人不敢问的问题，杠精逼着老师把话讲严谨。角色多、立场冲突，讨论才有信息量，学习者的注意力才不会被 40 分钟单向视频放空。
对应成果发在《Journal of Computer Science and Technology》（JCST 2026）上，论文标题即纲领：
From MOOC to MAIC: Reimagine Online Teaching and Learning through LLM-driven Agents
MOOC 是一个视频放给 N 个人看，节奏统一、无人打断；OpenMAIC 做的 MAIC（Massive AI-empowered Courses）反转了方向——N 个智能体，围着一个学习者转。
项目底子：5 个月、9 个版本、3 万 Star
容易被质疑是玩具？它有几条硬底子：
- 开源前已在清华大学真实课堂里跑了两两年多，覆盖 700 多名学生；
- 仓库 2026 年 3 月 11 日创建，3 月 26 日发布 v0.1.0，5 个月迭代 9 个版本，8 月 27 日放出 v1.0.0；
- v0.3.0（6 月 28 日）起许可证从 AGPL-3.0 换成 MIT——任何人都可以拿来商用，不必开源自己的代码。
版本节奏显示它从「演示型生成器」演化为「可持续运行的课程系统」：服务端持久化、增量保存、文档解析、音视频转写、编辑器内 AI 修改、MP4 视频导出，每个大版本都在往可用的产品方向挪。
工程拆解：为什么生成课堂比生成 PPT 难一个量级
生成 PPT 的工具输出一份静态文件就结束；OpenMAIC 输出的是一份能被「执行」的教案——谁在什么时刻开口、谁在白板上画哪一笔、激光笔指向哪里、测验何时弹出，都是按秒走的时序动作。
类比：普通 AI 写作生成的是「文稿」，读一遍就完；OpenMAIC 生成的是「乐谱」，要交给演奏者按拍子执行，才成其为音乐。
架构因此与普通 AI 写作工具不同：
- 两阶段生成流水线：先规划（把输入拆解成知识点，产出结构化课堂大纲），再生成（把大纲条目变成幻灯片/测验/交互场景）。先定结构、后填内容，而非一句提示词硬生成一整门课；
- LangGraph 状态机编排：管理多智能体谁在何时说话、上下文如何交接；
- 回放引擎 + 动作引擎：课堂运行时是状态机（idle → playing → live），动作引擎支持 28 种以上动作——语音、白板绘图/文字/形状/图表、聚光灯、激光笔等；
- 深度交互模式：v0.2.0 起可嵌入 3D 可视化、物理模拟、知识游戏、思维导图和在线编程环境，AI 老师可主动高亮页面区域引导注意力。
总结这套设计：把「讲课」这种依赖时序和临场感的事，变成了可编排、可回放、可修改的指令序列。
v1.0.0：课程从「一次生成」变成「可持续项目」
8 月 27 日的 v1.0.0 加入 Pro 工作台，使用范式发生变化：从「输一个 prompt，等一整门课出来，不满意重新来」，变为面对一个能对话的课程智能体——先确认课程目标、受众、页面规划，再逐页生成；「第 3 页改成先讲案例」这类修改就地完成，不必推倒重来。
支撑的机制有三个：
- 服务端持久化会话：课程构建过程保存在服务端，服务重启后可取消、恢复、继续。建课从「一次性 API 调用」变为「可跨天推进的项目」；
- 会话素材：可上传文档、音频、视频，也可让 Agent 联网搜索，基于提供的材料建课；
- 20 多种内置技能：覆盖幻灯片、测验、互动内容、PBL、图像、视频、语音，支持把已有 .pptx 导入重新加工。
本质是把「先规划、再执行；执行可检查、可纠偏」做成产品默认形态：不假设一句提示词能得到完美课程，而是默认你会和 AI 一起把课打磨出来。
插件式设计：换模型不用改架构
官方称其设计取向为「中立设计」（neutral by design）——模型、媒体服务、搜索、存储全部可插拔。
大模型支持 OpenAI、Anthropic、Google Gemini、DeepSeek，以及通义千问、Kimi、MiniMax、智谱 GLM、豆包、腾讯混元、小米 MiMo、Grok；本地部署可接 Ollama 和 Lemonade。语音合成、图像生成、语音识别、联网搜索、文档解析各环节均有多个服务商可换。存储后端抽象了接口，官方提供 PostgreSQL 参考实现。
结果就是换模型不换架构：今天用 Gemini，明天换 DeepSeek，改配置即可。自己部署门槛也低——Docker 一键起服务，官方为国内网络提供镜像加速参数。
项目还提供官方 Skill，可装进 OpenClaw、Codex、DeepSeek、WorkBuddy 等 Agent 工作台，能在飞书、Slack、Telegram 里直接说「帮我生成一节课」，Agent 自行完成搜索、整理和生成。