不写一行代码：用 OpenMAIC 把一页 PPT 变成会互动的 AI 课堂，10 分钟上手-育师

不写一行代码：用 OpenMAIC 把一页 PPT 变成会互动的 AI 课堂，10 分钟上手

【免费下载链接】OpenMAICOpen Multi-Agent Interactive Classroom — Get an immersive, multi-agent learning experience in just one click项目地址: https://gitcode.com/GitHub_Trending/op/OpenMAIC

在线课程的体验长期停留在一个根本性局限上：视频在播放，你可以暂停、倍速，但课程本身是固定的。没有谁能回答你随时冒出的问题，更不会有人针对你的理解水平调整讲解节奏。OpenMAIC（Open Multi-Agent Interactive Classroom）正是冲着这个痛点来的——这个由清华大学团队开源、采用 MIT 协议的 TypeScript 项目，把"课程生产"与"课堂运行"合二为一：你给它一个主题或一份材料，它在几分钟内生成由 AI 老师与 AI 同学共同出演的沉浸式互动课堂，全程不需要编写任何代码。

本文不重复社区里流传的架构介绍，而是沿着一条真实可走的路径：从网页版输入主题开始，跟踪每一次请求在仓库源码中的落点，最后给你一份十分钟内可执行的验收清单。所有结论均来自当前仓库的实际代码，你可以随时对照验证。

网页版快速体验：从输入主题到生成课堂的完整路径

体验 OpenMAIC 最直接的方式是打开官方在线体验站点（open.maic.chat），按提示配置至少一个 LLM 提供方（OpenAI、Anthropic、DeepSeek、Qwen、GLM、Ollama 等任一即可）后进入首页。首页的核心是一个自由文本需求框：所有关于主题、时长、风格的意图都写在这一段话里，正如 UserRequirements 中requirement字段的注释所写——"Single free-form text for all user input"。

提交后，页面跳转到 app/generation-preview/page.tsx，这里承载了从"一句话"到"一间课堂"的完整状态机。其核心方法startGeneration按序执行六个阶段，每一阶段都会更新进度指示器：

素材解析：若上传了文档，先调用/api/extract-document抽取文本与图片；
联网检索（可选）：若勾选了联网，调用/api/web-search把检索结果压缩为researchContext，作为后续生成的上下文补充；
大纲流式生成：请求/api/generate/scene-outlines-stream，通过 SSE 逐条推送大纲卡片，同时推断课程语言与课程标题；
大纲审核：大纲生成完毕后进入可编辑审核界面，默认 2.5 秒无操作自动继续（见OUTLINE_REVIEW_AUTO_CONTINUE_MS），也可以中途点击流式卡片提前展开编辑器进行修改；
智能体生成：在自动模式下调用/api/generate/agent-profiles，由 LLM 依据大纲、可用头像列表与可用音色列表生成教师、同学等角色，并以"角色卡翻转"的交互呈现，确认后写入 stage；
场景生成与语音合成：逐场景调用fetchSceneContent、fetchSceneActions生成内容与课堂动作，随后为第一个场景生成 TTS 语音，最后写入存储并跳转/classroom/[id]。

这个流程中值得注意的设计是"中途可介入"。大纲以流式卡片呈现时，用户点击卡片即可提前进入编辑态（handleExpandStreamingOutline），SSE 仍在后台继续推送；刷新页面后，会话从sessionStorage恢复，并能依据保存的previewPhase判断"用户曾提前打开过编辑器"这一意图，避免在刷新后误触发自动继续。也就是说，生成不是一次不可控的"黑盒提交"，而是每一页结构都可以被确认或修改后才进入内容生成。

把 PPT/文档丢进去：两阶段内容管道如何处理素材

OpenMAIC 对"从文档出发"的支持不是简单地把文件塞进提示词，而是经过一条明确分层的两阶段管道。在 lib/types/generation.ts 的文件头注释中，这条管道被定义得清清楚楚：

Stage 1：用户需求 + 文档 → 逐页场景大纲（Scene Outlines）；
Stage 2：场景大纲 → 完整场景（slide / quiz / interactive / pbl，含课堂动作）。

先看素材进入系统的方式。上传的文档在 app/api/extract-document/route.ts 统一处理，支持 multipart 上传与服务端资产引用两种形式；抽取器的选择则由 lib/document/extractors/registry.ts 按 MIME 类型完成，系统内置了文本类（txt/md 等）与 PDF 类等多套 provider，可在设置中指定首选解析服务。解析结果会经历三层约束，见 lib/constants/generation.ts：

单文件大小上限 50MB（MAX_EXTRACT_DOCUMENT_FILE_SIZE_BYTES）；
正文进入模型前截断为 50,000 字符（MAX_PDF_CONTENT_CHARS）；
从文档中抽取的图片最多以 20 张进入视觉输入预算（MAX_VISION_IMAGES），每张图片带有visionPriority字段，超出预算时按优先级取舍。

随后，所有解析结果通过buildDocumentBundle汇总为统一的 bundle——正文、图片及其来源文档归属信息，一并写入会话；图片存入 IndexedDB 或服务端资产池，以imageMapping的形式供大纲与场景两个阶段按 id 引用。

进入 Stage 1 后，文档正文与图片、联网检索上下文、用户需求被一同送入大纲生成接口。SceneOutline结构（lib/types/generation.ts）为每个场景预留了类型（slide/quiz/interactive/pbl）、标题、目的描述、3-5 个要点、教学目的、预估时长，以及针对不同场景的专属配置：测验的题量与难度、交互组件的 widget 类型与关键变量、PBL 的项目主题与目标技能。文档中提取的图片还会以suggestedImageIds的形式被直接建议给对应的场景页。

Stage 2 则把已确认的大纲逐个"物化"为完整场景：先由内容接口生成幻灯片元素、测验题目或 PBL 项目载荷，再由动作接口生成该场景下智能体要执行的教学动作序列。生成完成后，课堂内的对话并非简单的"你问我答"，而是由 lib/orchestration/director-graph.ts 中的 LangGraph StateGraph 驱动：director节点决定下一位发言的智能体，单智能体场景走纯代码逻辑零 LLM 调用，多智能体场景则由 LLM 决策发言顺序，并通过共享记忆与白板动作账本维持课堂连贯性。这段流水线最终产出的，不只是一页静态 PPT 的替代品，而是"会说话、会提问、会画图、会模拟"的互动课堂。

十分钟验收清单：课堂结构、互动点与角色配置

生成完成后，课堂跳转至/classroom/[id]。在正式使用前，建议按下面这份清单在十分钟内完成验收，它同时对应了仓库中每一层能力的真实实现。

课堂结构是否完整。打开侧边栏或大纲视图，核对每个场景的类型与顺序是否符合预期。一页 PPT 变成课堂后，通常不应全是幻灯片：应有穿插其间的测验（quiz，支持单选/多选/简答与难度配置）、交互组件（interactive）或 PBL 环节。若你在需求中开启了交互模式，课堂将以交互优先的方式生成，这是 app/page.tsx 中interactiveMode开关的职责。

互动点是否真的"能动"。交互场景对应一组 widget 类型——模拟、思维导图、3D 可视化、游戏与在线编程等，其配置结构见 SceneOutline 的widgetType与widgetOutline字段。验收时建议实际操作一个模拟或 3D 场景，确认参数可调、状态可观察。

角色配置是否符合预期。在自动模式下，角色由 LLM 依据大纲生成，头像从仓库内置的 12 个角色形象中选取（见 app/generation-preview/page.tsx 中的allAvatars列表），并绑定你在全局设置的旁白音色；若对自动生成不满意，可在设置中切换到预置角色模式（agentMode === 'preset'），固定使用你选择的智能体组合。此外，课堂内的 AI 同学会基于你填写的昵称与背景（userNickname/userBio）进行个性化提问，这一点可以在首页需求表单中一并验证。

听与说是否通畅。打开 TTS 开关后，教师角色的讲解应有语音输出；白板应能承载智能体的绘制动作。课堂聊天已支持引用幻灯片元素、交互组件或白板笔迹进行追问（v1.1.0 起由 agent loop 驱动），可以尝试在播放栏中点选一个元素提问，验证老师"读课件—查实验状态—联网检索"的完整应答链路。

收尾与沉淀是否可用。课程结束后应出现完成页，测验状态可持久保存（v0.2.1 起）；如需复用，可从课堂导出可编辑的.pptx或可离线运行的.html（lib/export 目录下实现了完整的导出管线）。这一步是把"生成的课堂"变成"自己的教学资产"的关键闭环。

完成这五项检查，你的第一堂课就通过了验收。从输入主题、确认大纲、翻转角色卡到课堂开讲，整个过程没有任何一行代码——OpenMAIC 把多智能体编排、内容生成与课堂运行都收敛到了产品层，而你只需要理解一条路径：需求与素材进入两阶段管道，产出结构化大纲，大纲逐页物化为场景，场景由智能体驱动运行。这也是它能够在教育场景里被快速落地的根本原因：复杂度被封装进了管道，而主动权留在了用户手里。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

不写一行代码：用 OpenMAIC 把一页 PPT 变成会互动的 AI 课堂，10 分钟上手