OpenMAIC

Tłumaczenie automatyczne tej strony z języka angielskiego, jeszcze nie sprawdzone przez rodzimego użytkownika języka.

OpenMAIC to otwartoźródłowe wydanie wieloagentowej klasy MAIC opisanej w badaniu MAIC: wystarczy opisać temat albo załączyć własne materiały, a system generuje całą lekcję — slajdy, quizy, interaktywne symulacje HTML i aktywności projektowe — a potem prowadzi ją przez nauczycieli i kolegów z klasy napędzanych SI, którzy mówią, rysują na tablicy i biorą udział w dyskusji. To kod stojący za klasą, którą można uruchomić, a nie tylko o niej czytać.

Co można z nim zrobić

Generowanie jednym kliknięciem tworzy lekcję w kilka minut z promptu albo wgranego dokumentu, dźwięku lub wideo. Warstwa wieloagentowa dodaje dyskusję klasową, do której uczący się może dołączyć lub zostać wezwany, debaty przy okrągłym stole między personami z ilustracjami na tablicy oraz swobodne pytania i odpowiedzi, w których nauczyciel odpowiada slajdami lub diagramami. Sesje obsługują zestawy slajdów, quizy, interaktywne symulacje i PBL, a eksportują się jako edytowalne .pptx albo interaktywne .html. Wersja 1.0.0 (sierpień 2026) dodała warsztat agentowy: środowisko z czatem na pierwszym planie, które planuje i poprawia całe kursy, trwałe sesje po stronie serwera, które można anulować, wznowić lub sterować nimi, oraz 24 wbudowane umiejętności obejmujące slajdy, quizy, interaktywne elementy, obrazy, wideo i głosy. Pakiet SKILL.md pozwala harnessowi agentowemu budować klasy z aplikacji do komunikacji.

Dla kogo

Wykładowcy i zespoły kursowe, które chcą generowanych materiałów, które wciąż mogą edytować; projektanci nauczania prototypujący aktywności wieloagentowe; oraz deweloperzy, którzy potrzebują klasy do samodzielnego hostowania, a nie hostowanego produktu. Szkoły mogą wdrożyć ją na Vercelu lub w Dockerze, a projekt dostarcza hostowane demo pod open.maic.chat.

Uwagi

Licencja MIT, z przewodnikiem użytkownika po angielsku i chińsku oraz aktywną społecznością na Discordzie i Feishu. Projekt nie zależy od modelu: dostarcza się co najmniej jeden klucz dostawcy LLM, a opcjonalne komponenty lokalne (Lemonade dla modeli lokalnych, FunASR do rozpoznawania mowy) pozwalają uruchomić więcej stosu offline — więc „bezpłatny” opisuje oprogramowanie, a nie rachunek za wnioskowanie. Praca, na której się opiera, ukazała się w Journal of Computer Science and Technology (2026, DOI 10.1007/s11390-025-6000-0), a repozytorium miało ponad 38 000 gwiazdek do września 2026.

Powiązane pojęcia

SI agentowa, Generative AI, Large Language Models (LLMs), Open Source, Project-Based Learning, Online Teaching and Learning, Personalized Learning, Nauczanie, Intelligent Tutoring, Simulation