清华把这个项目开源了:一键把任何 PDF 变成有人给你讲课的课堂

你的收藏夹，是不是也在"假装学习"

先问一个扎心的问题。

你的微信收藏、浏览器书签、网盘文件夹里，躺着多少篇"改天一定认真读"的论文和 PDF？

我猜你和我一样：收藏的那一刻，大脑已经提前给自己发了"学会"的奖赏。至于后来——后来它们就一直在那儿，像一批永远不会拆封的快递。

这事怪不了我们。人类啃一份 MIT 电磁学讲义的门槛，从来就不只是"看不看得懂字"，而是：没有人陪着你、按你的节奏、在你卡壳的那个地方停下来，把这件事掰开揉碎讲给你听。请一个这样的私教很贵，约一个这样的朋友很难。

上周末，我把一份最典型的"积灰材料"扔给了一个东西，然后围观了它备课的全过程。

今天想聊的就是它：清华 THU-MAIC 团队的开源项目 OpenMAIC。GitHub 仓库在这儿：THU-MAIC/OpenMAIC，今年 3 月开源，8 月底刚发布 1.0 正式版，Star 已经两万多了。

一圈体验下来，有三个地方完全出乎我的意料。

意外一：它比我慢

我们已经被各种"10 秒生成""一键出稿"惯坏了，所以我默认它也是个急性子。

结果恰恰相反。

生成一门书籍精读课，它把原始 PDF 反反复复读了 12 遍，中途还自己联网搜了两次，确认背景信息没搞错；换一份技术报告，读取次数直接飙到 20 多次，报告里的参数、层数、上下文窗口长度，一个个对着公开资料核。

有人拿它生成的 Kimi K3 解读课，和自己逐字啃技术报告写的深度分析对比过——核心数字和架构逻辑，对得上。也就是说，它不是"扫一眼就开写"，而是真的一页一页把材料吃透了才开始输出。1.0 版本甚至新加了一个独立的 fact-check 技能，专门负责核实自己说的数字。

这个"慢"，恰恰是现在最稀缺的东西。

生成一段文字的成本已经趋近于零了，满世界都是 AI 一秒钟吐出来的"干货"。但把一份材料真正读懂，本来就快不了。当所有产品都在比谁更快的时候，有个东西愿意替你慢下来，把笨功夫先做完——这本身就是一种产品态度。

顺便说，它读的是 Salman Khan 那本《Brave New Words》的官方样章，最后输出的不是摘要，而是一份 10 页的完整课程方案，每页带讲解脚本、配音和课后练习。

意外二：这不是 PPT，是能上手的实验台

第二个意外，关于"课件"这两个字。

我本来已经做好了看到"AI 版 PPT"的心理准备——配几张图，堆几段字，排版花哨一点。

但它的物理课是这样的：讲电磁感应，屏幕上有一个磁通量仿真，公式 Φ = BA·cosθ 摆在那儿，底下三个滑块分别控制磁场强度、线圈面积和夹角。你拖一下，数值实时变，磁感线的动画跟着变。还有一个条形磁铁，可以亲手拖着穿过线圈，感应电动势、电流、磁通的读数和底部的曲线图，全都在跟着你的手实时刷新。

这是能"上手玩"的物理，不是"看着别人玩"的物理。当年要是讲台上有人给我演示这个，我大概不至于对电磁感应留下心理阴影。

讲解的体验也做了细活：每一页都有配音，讲到哪儿，屏幕上哪一块就高亮——像老师拿着激光笔指着屏幕说"注意看这里"。配合 VoxCPM 的声音克隆，你甚至可以让课件用你自己的声音讲给你听（这件事的教育学价值存疑，但确实很赛博）。

对已经有存量课件的老师，它还留了条后路：PPT 直接导入，原版排版保留，自动补上中文旁白。不用推翻重来。

意外三：真正的野心，藏在那 18 个技能里

第三个意外，是我后来才反应过来的。

单节课生成得再好，也只是个"更聪明的课件工具"。但 OpenMAIC 1.0 里有一个课程规划技能（curriculum-planner），可以一次性规划一整个系列课。

我让它排一门"7 天入门大模型"：它先输出完整的 7 天大纲，从"大模型到底是什么"到"动手交付一个真实方案"，每天一个递进主题，彼此之间有明确的前后依赖，不是七个孤立主题硬凑。确认之后，它自动建好系列文件夹，统一角色阵容，一节一节往下生成。

这意味着什么？备课这件事里最依赖"老教师经验"的部分——课程设计——也开始可以被 Agent 承接了。

而且这套技能体系本身是开放的，20 个内置技能可以直接下载，导入你自己的 Agent 工具里调用。再配合 MIT 协议开源、支持接入本地模型，数据不出内网——对学校和企业来说，这几乎是把"能不能用"的顾虑提前扫掉了。

它在论文里给自己的定位，是从 MOOC 到 MAIC。十五年前 MOOC 解决的是"让好课被看到"，今天 MAIC 想解决的是"让任何材料变成专属于你的课"。一个是广播逻辑，一个是私教逻辑。

写在最后：内容平权之后，该轮到学习力了

过去两年，AI 把"内容"这件事打穿了。想看什么，几秒钟生成什么，多到没人看得完。

但回头看开头那个问题：我们的焦虑，从来不是内容不够，而是好内容躺在我们够不着的地方——够不着，不是因为付费墙，而是因为没人陪我们把它啃下来。

OpenMAIC 让我在意的点就在这儿。它不生产更多内容，它把你已有的内容，变成一场有人讲课、有人讨论、卡壳了还能举手提问的学习体验。AI 生成的内容已经泛滥成灾，能不能帮一个具体的人，把一个具体的知识真正学会——这才是接下来值得盯住的方向。

以后每一本读不下去的书、每一篇啃不动的论文，都可能被现场做成一门适合你的课。

收藏夹里的快递，终于可以拆了。

附：上手指南

• • 在线体验：open.maic.chat，注册即用
• • 一键部署：GitHub 仓库提供 Vercel 一键部署按钮，Fork 即可
• • 本地部署：git clone 后 pnpm install && pnpm dev，或直接 docker compose up；填入任意一家模型密钥即可（DeepSeek、Kimi、Qwen、混元、Ollama 本地模型都支持）
• • 懒人路径：直接对你的 AI 编程助手说一句"帮我本地部署 https://github.com/THU-MAIC/OpenMAIC"，剩下的交给它
• • 仓库地址：https://github.com/THU-MAIC/OpenMAIC