一天一个开源项目（第212篇）：OpenMAIC —— 清华出品的多智能体交互式课堂

引言

"从 MOOC 到 MAIC------让学习者主动探索，而不是被动消费。"

这是"一天一个开源项目"系列的第 212 篇 。今天的项目是 OpenMAIC。

在线教育的体验有一个根本性的局限：你看视频，视频播放，你暂停或倍速，但课程本身是固定的。无论你卡在哪个概念上，内容不会为你改变------你要自己搜索、自己理解、自己回来继续。

OpenMAIC 想要打破这个范式。输入一句话，比如"用 30 分钟教我 Python 基础"，它会生成一整套交互式课堂：AI 教师讲解、在白板上画图、抛出测验题、让你在浏览器里直接运行代码------多个 AI 智能体各司其职，课堂在实时交互中演化。

29.6k Stars，MIT 协议，清华大学 THU-MAIC 团队出品，2026 年发表于《计算机科学与技术学报》。

你将学到什么

OpenMAIC 的两阶段生成管道（大纲生成 → 场景内容生成）
LangGraph 状态机如何协调多智能体的轮次和讨论
四类课程场景（Slides/Quiz/Interactive HTML/PBL）的设计逻辑
深度交互模式的 5 种 UI 类型
多智能体讨论机制（课堂讨论、圆桌辩论、Q&A、白板）
可插拔存储架构（浏览器/PostgreSQL/S3）
本地 AI 支持（Ollama/FunASR/Lemonade）

前置知识

了解 AI Agent 和工具调用的基本概念
熟悉 Next.js/TypeScript 开发环境（深入阅读源码时需要）
可选：了解 LangGraph 状态机的基本原理

项目背景

项目简介

OpenMAIC（Open Multi-Agent Interactive Classroom）是一个开源 AI 教育平台，核心定位是：用多智能体协作，把任何主题或文档转化成交互式课堂体验。

官方的研究框架叫做"从 MOOC 到 MAIC"：

复制代码

MOOC（大规模开放在线课程）：
  固定内容 → 被动观看 → 预设路径

MAIC（多智能体交互式课堂）：
  动态生成内容 → 主动参与 → 个性化演化
  ↑ AI 教师和同伴智能体实时感知学习者状态，调整课堂节奏

这不只是"AI 生成 PPT"------每个课堂场景都是可交互的，AI 教师可以在 3D 可视化中操作对象，在白板上实时绘图，在代码编辑器里演示逻辑，在讨论中主动点名提问。

该研究已发表于《计算机科学与技术学报》（Journal of Computer Science and Technology，2026年）。

作者与团队

团队：清华大学 THU-MAIC 研究组
邮件：thu_maic@mail.tsinghua.edu.cn
协议：MIT
语言：TypeScript（Next.js）

项目数据

⭐ GitHub Stars：29,600+
🍴 Forks：5,000+
📄 协议：MIT
💻 主要语言：TypeScript（Next.js）
🌐 团队：清华大学 THU-MAIC
🗂️ 快速开始：pnpm install && pnpm dev
🐳 Docker：docker compose up --build

主要功能

解决什么问题

OpenMAIC 在内容生成层和课堂交互层之间，通过多智能体架构打通了整个链路：

markdown 复制代码

输入（一句话或上传文档）
       ↓
  两阶段生成管道
  ├── 阶段一：大纲生成（AI 分析主题，结构化课程框架）
  └── 阶段二：场景生成（每个大纲条目 → Slides/Quiz/Interactive/PBL）
       ↓
  LangGraph 状态机（多智能体协调层）
  ├── 教师智能体：讲解、演示、提问
  ├── 同伴智能体：讨论、辩论、补充
  └── 导演图（Director Graph）：协调轮次和互动
       ↓
  播放引擎（Playback Engine）
  状态机：idle → playing → live
  执行 28+ 种动作类型（语音/白板绘图/聚光灯/激光指针等）
       ↓
  学习者（实时参与，可提问、回答、触发讨论）

使用场景

从零学习新技术
- "用 30 分钟教我 Python 基础" → 生成带互动练习的完整课堂，AI 教师讲解 + 浏览器内编程实验 + 测验验收
解读研究论文
- 上传 PDF，生成交互式论文解读课堂；AI 教师梳理核心贡献，圆桌智能体从不同视角讨论影响与局限
企业内训内容创作
- 上传内部文档，生成支持导出 .pptx 的标准化课件，支持离线压缩包分发
教学内容创作者辅助
- 快速生成课程草稿，导出为可编辑格式后人工精修，大幅缩短从"想法"到"成品"的周期
本地私有化部署
- 配合 Ollama 在离线环境运行，适合数据敏感的企业培训场景

快速开始

bash 复制代码

# 克隆仓库
git clone https://github.com/THU-MAIC/OpenMAIC.git
cd OpenMAIC

# 安装依赖
pnpm install

# 配置环境变量
cp .env.example .env.local
# 在 .env.local 中填入至少一个 LLM API Key

# 启动开发服务器
pnpm dev
# 打开 http://localhost:3000

# 或使用 Docker
docker compose up --build

推荐模型：

Gemini 3 Flash：速度/质量均衡的首选
Gemini 3.1 Pro：最高质量输出

本地运行（无 API Key）：

bash 复制代码

# 配置 Ollama
OLLAMA_BASE_URL=http://localhost:11434/api/v1
OLLAMA_MODEL=llama3.2

# 配置本地 ASR（FunASR）
ASR_FUNASR_BASE_URL=http://localhost:8000/v1

核心特性

1. 四类课程场景

场景类型	功能	最适合
Slides	语音讲解 + 聚光灯 + 激光指针	概念介绍、框架讲解
Quiz	单选/多选/简答 + AI 智能批改	知识点验收、概念理解检验
Interactive HTML	物理仿真、流程图、实验环境	动态过程演示、可视化原理
PBL（项目式学习）	角色扮演 + 里程碑任务	综合实践、案例分析

每种场景都支持 AI 教师主动操作（不只是播放静态内容）。

2. 深度交互模式：5 种 UI 类型

深度交互模式是 OpenMAIC 的核心差异化能力：

复制代码

┌─────────────────────────────────────────────────────┐
│               深度交互模式 UI 类型                    │
│                                                     │
│  3D 可视化    │ 抽象结构的空间化呈现                   │
│               │ AI 教师可以旋转、缩放、标注 3D 对象    │
│               │                                     │
│  仿真环境     │ 动态过程/实验的交互式模拟               │
│               │ 物理定律演示、化学反应、算法步骤         │
│               │                                     │
│  游戏化       │ 知识强化的互动小游戏                   │
│               │ 寓教于乐，降低认知负担                  │
│               │                                     │
│  思维导图     │ 概念框架的可视化组织                   │
│               │ 实时构建，展示知识结构                  │
│               │                                     │
│  在线编程     │ 浏览器内代码编辑器 + 即时执行           │
│               │ AI 教师可以演示，学习者可以修改并运行    │
└─────────────────────────────────────────────────────┘

关键点：AI 教师可以主动操作这些 UI 来引导学习者------不是让学习者自己摸索，而是"老师在旁边带着你做"。

3. 多智能体讨论机制

机制	工作方式
课堂讨论	智能体主动发起；学习者可以回答，也可能被"点名"
圆桌辩论	多个角色从不同立场讨论，配合白板图示
Q&A 模式	自由提问，智能体用幻灯片、图表或白板作答
白板协作	实时共享 SVG 画布，支持公式、流程图、概念图

4. 播放引擎与动作系统

课堂播放不是视频回放------是一个状态机驱动的实时执行引擎：

css 复制代码

状态机：idle → playing → live

支持 28+ 种动作类型：
  语音类：speech（朗读文本）、pause（停顿）
  视觉类：spotlight（聚光灯高亮）、laser_pointer（激光指针）
  白板类：draw_line、draw_text、draw_shape、draw_chart
  互动类：ask_question（向学习者提问）、show_quiz
  3D 类：rotate_object、zoom_to、annotate_3d
  ...

5. 可支持的 LLM 提供商

OpenMAIC 明确设计为"模型中立"：

复制代码

云端：
  OpenAI（GPT 系列）
  Anthropic（Claude 系列）
  Google（Gemini 3 Flash/Pro）
  Azure OpenAI
  Amazon Bedrock
  DeepSeek、Qwen、Kimi、MiniMax
  Grok（xAI）、OpenRouter
  Doubao（字节跳动）、腾讯混元
  小米 MiMo、GLM（智谱 AI）

本地：
  Ollama（任意兼容模型）
  Lemonade（LLM + 图像生成 + TTS + ASR）
  FunASR（SenseVoiceSmall、Paraformer、Fun-ASR-Nano）
  任意 OpenAI 兼容端点

6. 导出格式

格式	内容	使用场景
`.pptx`	可编辑幻灯片，含图表、LaTeX 公式	企业培训、正式课件
交互式 HTML	内联所有资源的独立文件（KaTeX/Three.js/字体均转 data: URI）	离线分发
课堂 ZIP	完整课程结构 + 媒体资源	备份/团队共享

7. 可插拔存储架构

typescript 复制代码

// @openmaic/storage 支持多种后端
const storage = createStorage({
  documents: 'browser',      // 默认：浏览器本地存储
  assets: 's3',              // 媒体资源：S3 兼容对象存储
  sessions: 'postgresql',    // 智能体会话：PostgreSQL（带 lease/heartbeat/resume）
  kv: 'browser',             // 键值缓存
})

PostgreSQL 后端的 Agent Runtime 支持：lease（租约）、heartbeat（心跳）、crash resume（崩溃恢复）、cancellation（取消）、follow-up steering（后续引导）。

深入剖析

两阶段生成管道的设计逻辑

为什么要分两个阶段，而不是直接生成完整课程？

markdown 复制代码

一阶段生成（直接输出）的问题：
  → 难以保证结构一致性
  → 各场景类型的特定格式难以精确控制
  → 整体课程长度/难度难以调配

两阶段管道的优势：
  阶段一：大纲生成
    输入：主题 / 文档 / 学习目标
    输出：结构化大纲（章节 → 场景类型 → 预期时长）
    → 可在此步骤让用户审查和修改大纲

  阶段二：场景内容生成（并行）
    每个大纲条目独立调用场景生成器
    → Slides 生成器、Quiz 生成器、Interactive HTML 生成器、PBL 生成器
    → 各场景类型有专用的生成规范和 prompt 资产

@openmaic/generation 包负责生成合约、管道逻辑和 prompt 资产------这是整个系统的核心。

LangGraph 状态机的多智能体协调

课堂不是线性的------多个智能体需要轮流发言、等待学习者响应、决定下一步动作。LangGraph 是实现这种协调的关键：

markdown 复制代码

Director Graph（导演图）模式：

  导演智能体（协调者）
       ↓
  ┌────────────────────────────────┐
  │         课堂状态图              │
  │  讲授 → 提问 → 等待回应         │
  │    ↑          ↓               │
  │  讨论 ← 处理回应 → 下一场景     │
  └────────────────────────────────┘
       ↓
  教师智能体         同伴智能体
  （主讲、演示）     （讨论、补充）

20 个内置 skill 覆盖了课程规划、研究、讲授、工作坊和编辑等多种角色------智能体通过 skill 组合来模拟不同的教学风格。

"中性设计"哲学

官方将 OpenMAIC 定位为"中性设计"：

复制代码

自带你的：
  模型（OpenAI / Anthropic / Ollama / 任意兼容端点）
  媒体（图片、视频、音频提供商）
  搜索提供商（课程内容增强时的信息检索）
  存储后端（浏览器 / PostgreSQL / S3）

OpenMAIC 提供：
  生成管道逻辑
  多智能体协调框架
  播放引擎
  课堂交互 UI
  导出工具

这种设计让 OpenMAIC 既可以完全在本地运行（Ollama + 浏览器存储），也可以集成云端最强模型（Gemini 3.1 Pro + S3 + PostgreSQL），同一个代码库，不同部署配置。

与现有在线教育平台的定位对比

平台	定位	关键差异
Coursera / edX	MOOC 平台	固定内容，被动观看
Khan Academy	交互式练习	有互动但无多智能体
AI PPT 生成工具	自动生成幻灯片	只有幻灯片，无多智能体课堂
OpenMAIC	多智能体交互式课堂	动态生成 + AI 教师实时操作 + 多智能体讨论

最关键的差异是"AI 教师主动操作 UI"------不是生成一个静态文档让学习者自己看，而是 AI 带着学习者一步步做、看、练、讨论。

项目地址与资源

官方资源

🌟 GitHub ：github.com/THU-MAIC/Op...
📧 联系团队 ：thu_maic@mail.tsinghua.edu.cn
📄 协议：MIT

总结与展望

核心要点回顾

两阶段管道 = 生成质量的保障：大纲先行，确保结构一致；再并行生成场景内容，各类型有专用规范
LangGraph 状态机 = 多智能体协调的底层：导演图模式协调教师/同伴智能体的轮次和讨论节奏
28+ 动作类型 = 课堂的"表现力"：不只是播放内容，AI 教师会操作白板、高亮关键点、主动提问
5 种深度交互 UI = 真正的"沉浸式学习"：3D、仿真、游戏、思维导图、在线编程------AI 教师带着你操作，不是让你自己摸索
中性设计 = 任何模型、任何存储：本地 Ollama 或云端 Gemini Pro，同一套代码，配置驱动

适合谁

在线教育内容创作者 ：大幅缩短从"想法"到"可交互课件"的周期，导出 .pptx 后可进一步精修
企业培训团队：内部文档 → 标准化培训课堂，支持私有化部署，数据不出内网
AI 研究者和学生：探索多智能体在教育场景下的协调设计，LangGraph 状态机的真实落地案例
个人学习者：一句话进去，一整套定制课堂出来------比"搜 YouTube 再找教程"高效不止一个数量级
开发者/教学技术爱好者：完整的 Next.js + LangGraph 多智能体开源项目，是学习"真实多智能体系统如何设计"的极好参考

一句话评价

OpenMAIC 想回答的问题是：当 AI 既能理解内容又能主动教学时，课堂可以是什么样子------不是视频，不是聊天，是一个会说话、会画图、会提问的活的课堂。

欢迎访问 PrimeSkills ------ 一个精心策划的 AI Agent 与技能市场，所有内容均经过真实企业级工作流验证。没有噱头，只有真正有效的东西。

更多实用知识和有趣产品，欢迎访问我的个人主页

一天一个开源项目（第212篇）：OpenMAIC —— 清华出品的多智能体交互式课堂

引言

你将学到什么

前置知识

项目背景

项目简介

作者与团队

项目数据

主要功能

解决什么问题

使用场景

快速开始

核心特性

深入剖析

两阶段生成管道的设计逻辑

LangGraph 状态机的多智能体协调

"中性设计"哲学

与现有在线教育平台的定位对比

项目地址与资源

官方资源

相关资源

总结与展望

核心要点回顾

适合谁

一句话评价