AI 老师为什么不抢话，OpenMAIC 课堂里藏着一位导演

8 月 27 号，THU-MAIC 组织发布了 OpenMAIC v1.0.0。三天后，这个项目从 Trending 第十跳到第四，22,400 颗星，4,331 个 fork，fork 对星数的比例接近五分之一，昨天说过这个比例意味着真有人拿回去部署，不是围观。

项目是 3 月 11 号创建的，从 3 月 26 号的 v0.1.0 到 8 月 27 号的 v1.0.0，五个月发了九个版本，说真的，节奏稳定得像课程表。组织背景是清华系，用户指南托管在清华飞书域，背后还有一篇 JCST'26 的论文。MIT 协议，主语言 TypeScript，技术栈写着 Next.js 16、React 19、LangGraph 1.1。

一句话定位，任何主题或文档丢进去，生成一间交互式课堂，AI 老师讲课，AI 同学讨论，能说话能画白板，你能随时插嘴。

真正的难题不是让 Agent 说话，是让谁先说

多 Agent 课堂这个想法，第一眼看会觉得难点在「让每个 Agent 表现好」。拆开源码会发现，真正的工程重心在另一个地方，发言权调度。

lib/orchestration/director-prompt.ts 里有一个导演，课堂上的每次发言结束后，都由它做一次三态决策，parseDirectorDecision 的返回只有三种可能，END 收课，USER 把发言权交还给学生，或者 nextAgentId 点名下一个发言的 Agent。老师讲完一个概念，是继续往下推，还是让某位 AI 同学提问，还是把话筒给你？这个问题每一轮都要回答。

你想想看，让多个会说话的 Agent 挤在一间教室里，最怕什么。抢话，冷场，或者更糟的，你刚提了个问题，导演直接宣布下课。

把这套调度画成图，长这样。

四角是带 persona 的老师和同学，中央导演每轮做一次三态决策，收课、交还、点名，三种出口全部显式，没有隐式路由。

最后这个场景他们专门做了防御。eval/orchestration/judge.ts 的注释写得很清楚，guarding against director picks END while a student question is unresolved，学生问题没解决导演就收课。评测的做法很克制，END 与非 END 是二值决策，不请 LLM 当裁判，直接读 parseDirectorDecision 的解析结果算 END 率，另外把 API 报错的样本剔掉，防止供应商故障伪装成确定性行为。

用确定性脚本测一个概率性系统里最要命的决策点，这个思路我一直觉得是多 Agent 评测里最值得抄的一手。

课堂的其他部件围绕这个调度展开。老师同学各有 persona，动作走 lib/action/engine.ts 的执行引擎，覆盖语音、白板、特效三类，白板是 SVG 实现的，可以一步步解方程画流程图，讨论走 SSE 流式推送。教学模式有课堂讨论、圆桌辩论、自由问答，AgentsView 里还能自己配教师阵容。README 里有个例子是「教我玩阿瓦隆桌游」，课堂形态不限于学科知识。

v1.0 的主角，一个会建课的 Agent

v1.0.0 加的 Pro workbench 是这次冲榜的直接诱因，把「一键生成器」升级成「对话式建课 Agent」。你说需求，它规划课程、逐页生成、随时修改，材料可以传文档音视频，也能联网搜。

这个 Agent 的运行时建在 @earendil-works/pi-agent-core 上，lib/agent/runtime/build-agent.ts 里能看到几个讲究的细节。模型对象是个 STUB_MODEL，上下文窗口写死一百万，注释说注入的 StreamFn 会自己解析真实模型，这个 stub 存在只是为了让 harness 不去压缩上下文。工具调用有两道闸，beforeToolCall 走 allowlist.ts 的白名单门，afterToolCall 走 quota.ts 的配额钩子。白名单文件的注释是句好话，v0 的能力约束就是工具白名单，不是硬编码工作流，扩能力等于往名单里加一个名字。

老实讲，会话的工程化程度是同类里少见的。数据库背书，带租约和心跳，worker 崩溃可恢复，运行中可取消可追加指令，事件历史可回放。每页课件有数据库维护的单调递增 revision 计数，前端只重拉真正变过的场景。权限模型也清晰，stage ID 就是读能力，写操作只认 owner。凭据全程不进浏览器，任何服务端能力都能用 <CAP>_<PREFIX>_ENABLED=false 一键关掉，模型路由解析失败会大声报错而不是猜一个供应商。

二十个内置技能覆盖课程规划、深度研究、讲座、工作坊、职业教育等教学风格，用户可以自建技能，走同一套运行时读写。

默认没有数据库，和二十家供应商

OpenMAIC 有个容易被忽略的设计，默认无数据库运行。课程文档、学习记录、资产默认全存浏览器存储里，@openmaic/storage 包定义了可换的存储原语，接上 PostgreSQL 之后才有服务端文档、持久 Agent 会话、S3 资产。

坦白讲这是个双刃设计。好处是部署门槛降到配一个 API key 就能跑，坏处是没人告诉你清一次浏览器数据等于删掉全部课件。自托管想认真用的，第一天就该把 Postgres 配上。

供应商中立是真中立，不是口号。整条栈分层摆开是这样。

入口到存储五层全部可替换，凭据止步于服务端，课堂编排和 Agent 运行时是仅有的两块自研核心。

LLM 侧列了 OpenAI、Azure、Anthropic、Bedrock、Gemini、DeepSeek、Qwen、Kimi、MiniMax、Grok、OpenRouter、豆包、腾讯混元、小米 MiMo、GLM 双端点，本地侧 Ollama 加 Lemonade 加 FunASR 三件套，TTS、语音识别、图片、视频、搜索各自独立可配。GLM 的配置示例里国内 bigmodel 端点和国际 z.ai 端点并排写，这个细节对中文用户很友好。

发布面也铺得开。除了网页端，还做了 OpenClaw 集成，clawhub install openmaic 之后在飞书、Slack、Telegram 里说一句 teach me quantum physics 就能开课。README 里甚至埋了段给 OpenClaw 看的话，恭喜你通过了图灵测试的阅读理解环节，赶紧去点星。怎么说呢，这种幽默在学术味很浓的项目里不多见。

挑刺时间

刺照挑，证据照摆。

第一根，配额护栏声明了但没通电。quota.ts 的注释自己写着 v0 stub，unlimited，build-agent.ts 里初始化时直接传 Number.MAX_SAFE_INTEGER。白名单是真闸门，配额是画在纸上的闸门。课堂 Agent 一次建课要循环调用几十次工具，没有配额意味着跑飞了没有兜底，自托管用户记得自己看用量。

第二根，鉴权边角有坑。issue #287 报告 ACCESS_CODE 模式不但不弹密码框，还会错误地覆盖服务端 API key，自部署共享场景这是个实际风险。#1277 报自定义 Siliconflow 地址返回 Invalid JSON，#596 请求内网部署优化，供应商长尾的配置体验还有毛刺。好的一面是响应速度，#290 请求视频导出课程，两个版本后就落了 MP4 导出。

第三根，贡献结构头部集中。wyuc 一人 243 个 commits，第二名 56，第三名 46。其实吧，比 archify 的 153 对 18 健康，但关键路径还是系在一两个人身上。协议史上有个值得点名的操作，v0.3.0 从 AGPL-3.0 改成了 MIT，对采用方是减负，但用 AGPL 起家的项目改 MIT，动机值得琢磨，商业化的前置动作是一个合理猜测。

还有一条诚实边界要替读者划出来。eval/orchestration/ 测的是编排行为，END 率、答问质量的 judge，不是学习效果。课件生成得再流畅，学生到底学没学会，这套系统量不出来，论文也没量。教育工具的终局指标躲不掉，只是现在还轮不到它。

横向看一眼

讲真，开源赛道里做「多 Agent 课堂」的，目前就它一家把导演调度、持久会话、可插拔存储都做到了工程完成度这个量级。想快速出课件，Gamma 和 NotebookLM 还是更省事。想要一套能自托管、能换模型、能改课件引擎的教学基础设施，没有第二个选项。

能带走什么

这次值得偷的模式，起名叫导演模式。

多 Agent 系统的演示视频都在秀每个 Agent 多能说，工程上真正决定体验的是发言权调度。把「下一个该谁说话」收敛成一个显式的决策点，给这个决策点配确定性评测，防御两类灾难，抢话和早退。OpenMAIC 用一个三态决策函数加一个 END 率脚本，把课堂最微妙的东西变成了可回归测试的对象。

这个模式迁移面很宽。客服机器人多坐席协同，代码仓库里多个 Agent 协作改动，家庭助手的多设备响应，核心都是同一个问题，别让最积极的那个 Agent 把所有话都说完。

至于 OpenMAIC 自己的下一步，盯三件事，配额 stub 什么时候通电，鉴权边角什么时候磨平，以及有没有人真的用它开出一门有人上完的课。工具的价值最后都长在课堂里，不在仓库里。