OpenMAIC：用一句提示词生成整个多智能体课堂，然后还能亲手改
开放多智能体互动课堂，一键获得沉浸式多智能体学习体验。
秒懂
- 它是什么？
- OpenMAIC 是一个把任意主题或文档变成互动课堂的开源平台，核心是多智能体编排。v1.0.0 新增的 Agent 工作台让生成过程从一次性点击变成可对话、可干预的持久会话，但代价是部署复杂度明显上升。
- 适合谁用？
- OpenMAIC 适合两类人：一是想快速把讲义变成互动课件的教师或培训师，二是愿意动手配置多个 Provider 的开发者。不适合的是那些希望开箱即用、零配置的人，因为即使一行 Vercel 部署命令也要先准备至少一个 LLM API key，而完整功能还要额外跑 Postgres、配置 TTS/ASR 和搜索服务。
- 能商用吗？
- 可以。MIT 是宽松许可证：你可以使用、修改并销售基于它的软件，只需保留版权和许可证声明。
- 还在维护吗？
- 在维护。仓库在最近一天内有新的提交。
- 用什么语言写的？
- 主要是 TypeScript（依据 GitHub 的语言统计）。
以上回答依据项目的 GitHub 数据（最近同步于 2026年9月15日）和我们的分析，不构成法律意见。
开源项目深度解析
它解决什么问题，谁该听
OpenMAIC 解决的是课程内容生产的重复劳动。传统上，把一份讲义变成带测验、模拟和讨论的课件需要多个工具轮换，而 OpenMAIC 用一个多智能体编排层把这件事压缩成一句提示词。它的目标用户是两类人：一是没有编程背景的教师，二是需要批量生成培训材料的团队。前者用网页界面，后者可以用 OpenClaw 集成从飞书、Slack 或 Telegram 直接发消息生成课堂。值得注意的是，v1.0.0 的定位从「一键生成」转向了「可引导的生成」，这意味着它不再只是玩具，而是开始承担真实的教学设计工作。
多智能体课堂的实际机制
根据 README 的描述，OpenMAIC 的核心是多智能体编排。系统里存在 AI 教师和 AI 同学，它们能说话、在白板上画画，并实时与你讨论。这个架构不是单个大模型在输出文本，而是多个角色分工协作。幻灯片、测验、交互式 HTML 模拟和 PBL 活动这四类场景由不同的生成流程驱动。v1.0.0 引入的 Agent 工作台更进一步，它让一个 agent 先规划课程大纲，然后逐页构建和修订。整个流程是会话式的，你可以中途取消、恢复或改变方向。这种设计把生成过程从一次性请求变成了有状态的对话，服务端必须保存会话进度和材料。
Provider 中立与自带模型
OpenMAIC 在 Provider 上刻意保持中立。README 明确说「bring your own models, media, search providers, and storage backend」。这意味着你不需要绑定某个云厂商。支持的模型家族包括 GPT-5.6、Claude Opus 4.8、GLM-5.2、Kimi K2.7 Code、Qwen3.7 Plus/Max、DeepSeek-V4、Gemini 3.5 Flash 等，甚至还有 Ollama 本地模型支持。搜索 Provider 有 Brave、Baidu、SearXNG、Claude search 等。TTS 支持 VoxCPM2 语音克隆和 FunASR 本地 ASR。这种设计的好处是你可以混合使用不同厂商的服务，比如用 OpenRouter 做 LLM，用本地 FunASR 做语音识别。但代价是配置项很多，.env.example 里每个 Provider 都是可选的，这反而让新手不知道到底该填哪个。
从零跑起来：真实命令与配置项
快速开始路径依赖 Vercel 的一键部署。README 里的按钮链接指向 Vercel 的 clone 流程，环境变量说明是「至少配置一个 LLM Provider API key，例如 OPENAI_API_KEY 或 ANTHROPIC_API_KEY，所有 Provider 都是可选的」。这意味着你可以只填一个 key 就启动，但功能会受限。完整的本地运行需要 Node.js 环境，因为项目是 Next.js 框架。仓库根目录有 .env.example 文件，里面列出了所有可配置项。对于 v1.0.0 的 Agent 工作台，还需要额外的运行时，README 里有一个专门章节「Agent workbench and runtime」。持久化方面，v0.3.2 引入了 server-backed persistence，需要 Postgres。README 提到「one-command Postgres stack」，但具体命令在截断部分，无法确认。如果你不想用 Postgres，也可以选择纯前端模式，但那样会失去会话持久化。
一个真实的限制：视频导出与资源占用
v0.3.2 的更新日志提到「Video export hardening」和「CPU resource profiles」。这暗示视频导出是个资源密集型操作，而且曾经有问题需要修复。v0.3.1 才加入 MP4 视频导出，v0.3.2 就专门为它做了加固，包括确定性的 Quiz/PBL 封面、交互式 HTML 捕获和 CPU 资源配置文件。这说明视频导出不是简单的屏幕录制，而是要捕获交互式 HTML 模拟的每一帧，这非常消耗 CPU。如果你的服务器是低配实例，导出 30 分钟的视频可能会超时或崩溃。另一个限制是离线导出：v0.2.2 提到「offline-ready classroom export」，但 v1.0.0 的 Agent 工作台是服务端持久化的，这意味着如果你用新功能，就不能完全离线。
替代方案：从静态生成到可编程平台
最接近的替代品是那些单次生成课件的工具，比如使用 GPT 直接生成 Markdown 再导入 Slidev。区别在于，Slidev 这类工具只处理渲染，不处理内容生成。OpenMAIC 的替代方案是「自己写 prompt 模板 + 调用 LLM API + 用 reveal.js 渲染」。这种做法的优势是完全可控，没有服务端依赖，生成结果是一个静态 HTML 文件。劣势是你需要自己处理多智能体协作、TTS 语音合成和白板交互。另一个替代方案是使用商业 LMS 平台内置的 AI 课件生成器，但它们通常不允许你替换底层模型。OpenMAIC 的独特之处在于它把生成和渲染耦合在一起，并且通过 @openmaic/* SDK 把 DSL、渲染器和导入器发布到 npm，这意味着你可以用代码来驱动它，而不是只靠界面。
维护成本与许可证变更
OpenMAIC 的许可证在 v0.3.0 从 AGPL-3.0 改成了 MIT。这是一个重要的决策，因为 AGPL 对服务端部署有传染性，而 MIT 允许你修改后闭源商用。如果你打算把 OpenMAIC 集成到自己的产品里，MIT 比 AGPL 友好得多。但要注意，MIT 许可证只覆盖项目本身的代码，不覆盖你接入的第三方服务。维护成本方面，项目发布节奏很快：从 2026 年 3 月到 8 月，经历了 v0.1.0 到 v1.0.0，共 7 个版本。每次更新都引入新 Provider 和新功能，这意味着升级时你需要重新验证所有集成。v1.0.0 引入了「可插拔持久化栈」，这暗示存储层有抽象接口，但具体实现细节在截断部分看不到。如果你要长期使用，建议锁定版本，而不是追最新。
编辑结论
OpenMAIC 适合两类人：一是想快速把讲义变成互动课件的教师或培训师，二是愿意动手配置多个 Provider 的开发者。不适合的是那些希望开箱即用、零配置的人，因为即使一行 Vercel 部署命令也要先准备至少一个 LLM API key，而完整功能还要额外跑 Postgres、配置 TTS/ASR 和搜索服务。在采用前，先验证三件事：你的 LLM Provider 是否支持 OpenAI 兼容接口或 Anthropic 接口，你的存储方案能否接受 Postgres 作为参考实现，以及你需要的课堂类型是否在幻灯片、测验、PBL 和交互式 HTML 模拟这四类之内。v1.0.0 的 Agent 工作台把课程生成从黑盒变成了可干预的会话，但这也意味着你要维护一个更长的服务端状态链，而不是一个静态导出文件。如果你只需要一次性生成课件，v0.2.x 的离线导出流程可能更省事。
社区笔记