OpenMAIC 评测：一套 AI 课堂系统如何跨过“能生成”之后

OpenMAIC 把 AI 教学从问答框拉到了课堂运行时。输入主题或文档后，它可以生成大纲、幻灯片、测验、交互式模拟和 PBL 活动，AI 教师与 AI 同学在课堂中讲解和讨论。评估它不能只问“生成得像不像课件”，还要问：内容能否编辑，课堂能否导出，状态能否恢复，模型和数据边界能否解释。

内容形态决定系统价值

标准幻灯片适合讲授，Quiz 适合反馈，Interactive 场景适合动手探索，PBL 则把课程组织为带里程碑和交付物的项目。深度交互模式还包含 3D 可视化、模拟实验、游戏、思维导图和在线编程。它的优势不是某一个模板，而是让同一主题拥有不同的学习动作。

编辑器让生成结果可用

仓库把 DSL、renderer、editor 和 importer 分成独立包。编辑器支持 Pro Mode、拖拽、缩放、旋转、多选、经过校验的 JSON Patch 编辑以及多会话历史；PPTX 导入也有独立管线。对于教育团队，这比一次性生成一套漂亮页面更重要，因为教材一定会改，错误一定要能修，课程一定要能复用。

启动和 provider 选择

git clone https://github.com/THU-MAIC/OpenMAIC.git
cd OpenMAIC
pnpm install
cp .env.example .env.local
pnpm dev

Node.js 20.9 以上、pnpm 10 以上是基本要求。项目可以接入 OpenAI、Anthropic、Gemini、Bedrock、DeepSeek、Qwen、Kimi、MiniMax、Ollama 等。模型路由最好按阶段固定，给生成、搜索、语音和图像分别做样本测试，不要只凭默认模型名称判断质量。

离线和本地 AI 是加分项，但有成本

课堂可以导出可编辑 PPTX、交互式 HTML 和包含资源的 ZIP。Lemonade 可以提供本地 LLM、图像、TTS、ASR，FunASR 可以提供本地语音识别。这样适合内网培训或对数据外发敏感的场景，但本地模型带来的部署、显存、更新和并发成本必须计入项目预算。

服务端持久化不是开箱即用的多租户

PostgreSQL profile 将持久化 API 嵌入应用，文档和运行时状态可以转到服务端。但官方明确警告，公开编译的 persistence token 不是秘密，也不能隔离用户。单用户可信网络可以用它做实验；多人环境必须替换开发认证、绑定服务端身份、限制文档和资产访问，并为迁移和删除建立测试。

部署视频导出要单独验收

MP4 依赖可选 render-service，服务包含 Chromium 和 FFmpeg，并通过隔离网络减少不受信任渲染内容的出站能力。长课堂对 CPU、内存、共享内存和队列更敏感，必须用真实课程做长时测试。没有渲染服务时，ZIP 和 HTML 仍是更轻的交付路径。

适用结论

OpenMAIC 适合需要快速制作互动课程、又不愿把内容锁死在一次性生成页面里的团队。它不替代教师设计，也不自动解决事实核验和教学评价。最好的试点是一门真实课程：固定材料、记录模型、让教师修改、导出给学习者，再检查恢复和反馈闭环。