zclaw_openfang/docs/knowledge-base/openmaic-analysis.md

OpenMAIC 深度分析报告

来源: https://github.com/THU-MAIC/OpenMAIC 分析日期: 2026-03-22 许可证: AGPL-3.0

1. 项目概述

1.1 项目定位

OpenMAIC (Open Multi-Agent Interactive Classroom) 是由清华大学 MAIC 团队开发的开源 AI 互动课堂平台。它能够将任何主题或文档转化为丰富的互动学习体验，核心特点是多智能体协作驱动的教育场景生成。

• 在线演示: https://open.maic.chat/
• 学术论文: 发表于 JCST'26 (Journal of Computer Science and Technology)

1.2 主要功能和特性

功能模块	描述
一键课堂生成	输入主题或上传文档，自动生成完整课堂
多智能体课堂	AI 老师和 AI 同学实时授课、讨论、互动
丰富场景类型	幻灯片、测验、HTML 交互式模拟、项目制学习 (PBL)
白板 & 语音	智能体实时绘制图表、书写公式、语音讲解
导出功能	支持导出 .pptx 幻灯片或交互式 .html 网页
OpenClaw 集成	可从飞书、Slack、Telegram 等聊天应用中直接生成课堂

1.3 目标用户群体

• 教育工作者: 快速创建互动课程内容
• 学生: 获得沉浸式、个性化的学习体验
• 企业培训: 自动化培训材料生成
• 内容创作者: 将文档转化为互动演示

---

2. 技术架构

2.1 项目结构

OpenMAIC/
├── app/                        # Next.js App Router
│   ├── api/                    # 服务端 API 路由 (~18 个端点)
│   │   ├── generate/           # 场景生成流水线
│   │   ├── generate-classroom/ # 异步课堂生成提交与轮询
│   │   ├── chat/               # 多智能体讨论 (SSE 流式传输)
│   │   ├── pbl/                # 项目制学习端点
│   │   └── ...                 # quiz-grade, parse-pdf, web-search 等
│   ├── classroom/[id]/         # 课堂回放页面
│   └── page.tsx                # 首页
├── lib/                        # 核心业务逻辑
│   ├── generation/             # 两阶段课堂生成流水线
│   ├── orchestration/          # LangGraph 多智能体编排
│   ├── playback/               # 回放状态机
│   ├── action/                 # 动作执行引擎
│   ├── ai/                     # LLM 服务商抽象层
│   ├── api/                    # Stage API 门面
│   ├── store/                  # Zustand 状态管理
│   └── types/                  # TypeScript 类型定义
├── components/                 # React UI 组件
│   ├── slide-renderer/         # Canvas 幻灯片编辑器
│   ├── scene-renderers/        # Quiz/Interactive/PBL 场景渲染器
│   ├── generation/             # 课堂生成工具栏
│   ├── chat/                   # 聊天区域和会话管理
│   ├── settings/               # 设置面板
│   ├── whiteboard/             # SVG 白板绘图
│   ├── agent/                  # 智能体头像、配置
│   └── ui/                     # 基础 UI 组件 (shadcn/ui)
├── packages/                   # 工作区子包
│   ├── pptxgenjs/              # 定制化 PowerPoint 生成
│   └── mathml2omml/            # MathML → Office Math 转换
└── skills/openmaic/            # OpenClaw Skill 定义

2.2 技术栈

层级	技术
前端框架	Next.js 16 + React 19
状态管理	Zustand 5
样式方案	Tailwind CSS 4
LLM SDK	Vercel AI SDK + LangGraph
类型系统	TypeScript 5
Canvas 渲染	@napi-rs/canvas
幻灯片渲染	基于 PPTist 的 Canvas 引擎
存储	IndexedDB (Dexie)
富文本编辑	ProseMirror

2.3 核心模块和组件

A. 生成流水线 (lib/generation/)

两阶段生成架构:

1. 大纲生成 (Stage 1): 分析用户输入，生成结构化课堂大纲
2. 场景生成 (Stage 2): 每个大纲条目生成为丰富的场景

用户输入 → 大纲生成器 → 场景生成器 → 完整课堂
              ↓              ↓
         SceneOutline[]  Scene[] (含 Actions)

B. 多智能体编排 (lib/orchestration/)

LangGraph 状态机拓扑:

START → director ──(end)──→ END
           │
           └─(next)→ agent_generate ──→ director (loop)

Director 策略:

• 单智能体: 纯代码逻辑，无 LLM 调用
• 多智能体: LLM 决定下一个发言的智能体

C. 回放引擎 (lib/playback/engine.ts)

状态机:

            start()                  pause()
idle ──────────────────→ playing ──────────────→ paused
  ▲                         ▲                       │
  │                         │  resume()             │
  │                         └───────────────────────┘
  │
  │  handleEndDiscussion()
  │                         confirmDiscussion()
  │                         / handleUserInterrupt()
  │                              │
  │                              ▼         pause()
  └──────────────────────── live ──────────────→ paused

D. 动作引擎 (lib/action/engine.ts)

支持 28+ 种动作类型:

类别	动作
视觉特效 (Fire-and-forget)	spotlight, laser
语音	speech (带 TTS)
白板	wb_open, wb_close, wb_draw_text, wb_draw_shape, wb_draw_chart, wb_draw_latex, wb_draw_table, wb_draw_line, wb_clear, wb_delete
视频	play_video
讨论	discussion

2.4 数据流和通信机制

核心数据流:

用户操作 → React UI → Zustand Store → Next.js API → LangGraph → LLM
                ↓                              ↓
           SSE Stream ← StatelessEvent ← Agent Response

SSE 事件类型 (StatelessEvent):

• agent_start / agent_end: 智能体开始/结束
• text_delta: 文本增量
• action: 动作执行
• thinking: 思考状态
• cue_user: 提示用户发言
• done / error: 完成/错误

---

3. 核心能力

3.1 Agent 架构设计

智能体配置结构 (AgentConfig):

interface AgentConfig {
  id: string;              // 唯一 ID
  name: string;            // 显示名称
  role: string;            // 角色: teacher, assistant, student
  persona: string;         // 完整系统提示词
  avatar: string;          // 头像 URL 或 emoji
  color: string;           // UI 主题色
  allowedActions: string[]; // 允许的动作类型
  priority: number;        // Director 选择优先级 (1-10)
  isDefault: boolean;      // 是否默认模板
  isGenerated?: boolean;   // 是否由 LLM 生成
}

默认智能体:

ID	名称	角色	优先级
default-1	AI teacher	teacher	10
default-2	AI助教	assistant	7
default-3	显眼包	student	4
default-4	好奇宝宝	student	5
default-5	笔记员	student	5
default-6	思考者	student	6

角色-动作映射:

const ROLE_ACTIONS = {
  teacher: [...SLIDE_ACTIONS, ...WHITEBOARD_ACTIONS],  // 全部能力
  assistant: [...WHITEBOARD_ACTIONS],                   // 仅白板
  student: [...WHITEBOARD_ACTIONS],                     // 仅白板
};

3.2 工具/能力系统

动作执行架构:

class ActionEngine {
  async execute(action: Action): Promise<void> {
    // 1. 自动打开白板 (如果需要)
    // 2. 根据动作类型执行
    switch (action.type) {
      case 'spotlight': // Fire-and-forget
      case 'laser':
      case 'speech':    // 同步等待 TTS
      case 'wb_*':      // 同步等待渲染
    }
  }
}

结构化输出格式 (LLM 生成):

[
  {"type": "action", "name": "spotlight", "params": {"elementId": "img_1"}},
  {"type": "text", "content": "Hello students..."},
  {"type": "action", "name": "wb_draw_text", "params": {...}}
]

3.3 记忆/上下文管理

无状态架构设计:

• 后端完全无状态，所有状态由客户端维护
• 每次请求携带完整上下文 (StatelessChatRequest)

DirectorState (跨轮次传递):

interface DirectorState {
  turnCount: number;                    // 当前轮次
  agentResponses: AgentTurnSummary[];   // 智能体响应历史
  whiteboardLedger: WhiteboardActionRecord[]; // 白板操作记录
}

存储层:

• IndexedDB (Dexie): 课堂数据、大纲、生成的智能体
• localStorage: 智能体注册表、用户配置
• 持久化策略: Zustand persist middleware + debounce 保存

3.4 多模态支持

模态	实现
文本	流式生成 + SSE
语音	Azure TTS / 浏览器 TTS
图像	多服务商 (Kling, Qwen, Seedance 等)
视频	Kling, Veo, Seedance
LaTeX	KaTeX 渲染
图表	ECharts

---

4. 代码质量评估

4.1 代码组织方式

优点:

• 清晰的模块划分
• 类型集中管理 (lib/types/)
• API 门面模式 (lib/api/stage-api.ts)
• 关注点分离 (生成/播放/动作)

文件规模:

• 核心文件 200-800 行
• 最大文件 director-graph.ts 约 450 行

4.2 测试覆盖

未发现测试文件 - 这是项目的明显短板。建议添加:

• 单元测试: 生成流水线、动作解析
• 集成测试: API 端点
• E2E 测试: 课堂生成流程

4.3 文档完善度

优点:

• 详细的 README (中英双语)
• 内联注释丰富
• SKILL.md 示例展示了 Skill 系统用法

不足:

• 缺少 API 文档
• 缺少架构图 (除 README 中的文字描述)
• 无贡献指南细节

4.4 可扩展性设计

良好实践:

• Provider 抽象: 统一的 LLM 服务商接口
• Action 插件化: 易于添加新动作类型
• Scene 类型扩展: 支持 slide/quiz/interactive/pbl
• Agent 注册表: 支持动态添加智能体

扩展点:

// 添加新 Provider
PROVIDERS['new-provider'] = { ... };

// 添加新 Action 类型
type Action = ... | NewAction;

// 添加新 Scene 类型
type SceneContent = ... | NewContent;

---

5. 与 ZCLAW 的整合分析

5.1 可复用的组件

组件	来源路径	ZCLAW 适用场景
LLM Provider 抽象	lib/ai/providers.ts	统一多模型支持
结构化输出解析	lib/orchestration/stateless-generate.ts	Tool Call 解析
Action 系统	lib/types/action.ts + lib/action/engine.ts	Agent 能力定义
智能体注册表	lib/orchestration/registry/	Agent 配置管理
Zustand Store 模式	lib/store/	状态管理参考
SKILL.md 格式	skills/openmaic/SKILL.md	Skill 系统设计

5.2 架构参考价值

A. 无状态后端设计

OpenMAIC 的无状态架构非常适合 ZCLAW 参考:

// StatelessChatRequest - 所有状态由客户端传递
interface StatelessChatRequest {
  messages: UIMessage[];      // 对话历史
  storeState: { ... };        // 应用状态
  config: { agentIds, ... };  // 智能体配置
  directorState?: DirectorState; // 跨轮次状态
}

ZCLAW 可采用类似模式，避免服务端状态管理复杂性。

B. LangGraph 多智能体编排

// Director Graph - 智能体调度状态机
const graph = new StateGraph(OrchestratorState)
  .addNode('director', directorNode)
  .addNode('agent_generate', agentGenerateNode)
  .addEdge(START, 'director')
  .addConditionalEdges('director', directorCondition, {...})
  .addEdge('agent_generate', 'director');

ZCLAW 的多 Agent 协作可参考此模式。

C. Action 执行引擎

// 统一的动作执行入口
class ActionEngine {
  async execute(action: Action): Promise<void> {
    // Fire-and-forget vs Synchronous
  }
}

ZCLAW 的 Hands 系统可采用类似架构。

5.3 潜在的整合方式

方式 1: 作为 ZCLAW 的 Skill

OpenMAIC 可作为 ZCLAW 的一个 Skill 集成:

# skills/openmaic/SKILL.md
---
name: openmaic
description: 生成互动课堂
---

用户可通过 ZCLAW 调用 OpenMAIC 的课堂生成能力。

方式 2: 共享组件库

抽取共享组件:

• zclaw-shared-types: Action 类型、Provider 接口
• zclaw-action-engine: 通用动作执行引擎
• zclaw-llm-adapter: LLM 服务商适配器

方式 3: 架构借鉴

OpenMAIC 特性	ZCLAW 对应
Director Graph	zclaw-kernel 调度器
Agent Registry	Agent 分身管理
Action Engine	Hands 能力系统
Stage/Scene	会话/任务管理

5.4 需要适配的部分

差异点	OpenMAIC	ZCLAW	适配建议
运行时	Next.js (服务端)	Tauri (桌面端)	重构为 Rust 调用
状态存储	IndexedDB	SQLite	保持数据结构，换存储后端
通信协议	SSE over HTTP	gRPC / Tauri Commands	适配流式响应
UI 框架	React + Next.js	React + Tauri	组件可复用
部署模式	Web / Vercel	桌面应用	需本地 LLM 支持

---

6. 总结与建议

6.1 OpenMAIC 的优势

1. 成熟的多智能体编排: LangGraph 状态机设计精良
2. 丰富的场景类型: 幻灯片、测验、交互、PBL 全覆盖
3. 完善的多模态支持: 文本、语音、图像、视频、白板
4. 无状态架构: 易于扩展和维护
5. 学术论文支撑: 有理论基础

6.2 OpenMAIC 的不足

1. 缺少测试: 无单元测试、集成测试
2. Web-only: 无桌面端支持
3. 依赖外部服务: 需要多个 API Key
4. 文档分散: 缺少集中式 API 文档

6.3 对 ZCLAW 的建议

1. 借鉴无状态设计: 将状态管理收敛到客户端
2. 采用 Action 系统模式: 统一 Hands 能力接口
3. 参考 LangGraph 编排: 实现多 Agent 协作
4. 复用 Provider 抽象: 统一 LLM 服务商管理
5. 保持桌面端优势: OpenMAIC 的 Web 限制是 ZCLAW 的机会

---

7. 关键代码参考

7.1 Provider 抽象接口

// lib/ai/providers.ts
export type ProviderId = 'openai' | 'anthropic' | 'google' | ...;

export const PROVIDERS: Record<ProviderId, ProviderConfig> = {
  openai: {
    name: 'OpenAI',
    models: ['gpt-4o', 'gpt-4o-mini', ...],
    defaultModel: 'gpt-4o-mini',
  },
  // ...
};

7.2 Action 类型定义

// lib/types/action.ts
export type Action =
  | SpotlightAction
  | LaserAction
  | SpeechAction
  | WhiteboardAction
  | VideoAction
  | DiscussionAction;

export interface ActionBase {
  type: string;
  id?: string;
}

7.3 Agent 配置结构

// lib/types/agent.ts
export interface AgentConfig {
  id: string;
  name: string;
  role: 'teacher' | 'assistant' | 'student';
  persona: string;
  avatar: string;
  color: string;
  allowedActions: string[];
  priority: number;
  isDefault: boolean;
}

---

8. AGPL-3.0 许可证风险分析

8.1 风险评估

风险点	影响	严重程度
Copyleft 传染	整合代码可能要求 ZCLAW 也开源	🔴 高
网络条款	AGPL-3.0 的网络使用条款比 GPL 更严格	🔴 高
商业影响	可能影响 ZCLAW 的商业化能力	🔴 高

8.2 决策

❌ 不直接整合 OpenMAIC 代码 ✅ 仅借鉴架构思想和设计模式

---

9. 基于 ZCLAW 现有能力的实现方案

9.1 ZCLAW 已有能力对照

OpenMAIC 功能	ZCLAW 对应	成熟度
多 Agent 编排 (Director Graph)	A2A 协议 + Kernel Registry	框架完成
Agent 角色配置	Skills + Agent 分身	完成
动作执行引擎 (28+ Actions)	Hands 能力系统	完成
工作流编排	Trigger + EventBus	基础完成
状态管理	MemoryStore (SQLite)	完成
外部集成	Channels	框架完成

9.2 实现路径

1. 完善 A2A 通信 - 实现 crates/zclaw-protocols/src/a2a.rs 中的 TODO
2. 扩展 Hands - 添加 whiteboard/slideshow/speech/quiz 能力
3. 创建 Skill - classroom-generator 课堂生成技能
4. 工作流增强 - DAG 编排、条件分支、并行执行

9.3 需要新增的文件

hands/whiteboard.HAND.toml   # 白板能力
hands/slideshow.HAND.toml    # 幻灯片能力
hands/speech.HAND.toml       # 语音能力
hands/quiz.HAND.toml         # 测验能力
skills/classroom-generator/SKILL.md  # 课堂生成

---

10. 后续行动项

• 完善 A2A 协议实现（消息路由、能力发现）
• 创建教育类 Hands（whiteboard、slideshow、speech、quiz）
• 开发 classroom-generator Skill
• 增强工作流编排能力（DAG、条件分支）