Brand LogoBrand Logo (Dark)
InicioAgentes IAKits de HerramientasSelección de GitHubEnviar AgenteBlog

Categorías

  • Generadores de Arte
  • Generadores de Audio
  • Herramientas de Automatización
  • Chatbots y Agentes IA
  • Herramientas de Código
  • Herramientas Financieras

Categorías

  • Modelos de Lenguaje
  • Herramientas de Marketing
  • No-Code y Low-Code
  • Investigación y Búsqueda
  • Video y Animación
  • Edición de Video

GitHub Selecciones

  • DeerFlow — arnés SuperAgent de código abierto de ByteDance

Últimos Blogs

  • OpenClaw frente a Composer 2 diferencias clave en automatización y codificación
  • Google AI Studio vs Anthropic Console diferencias clave para desarrolladores
  • Stitch 2.0 vs Lovable Cuál es la mejor opción en 2026
  • Guía práctica para monetizar la inteligencia artificial en 2026 como solopreneur o freelancer
  • OpenClaw vs MiniMax ¿Privacidad o comodidad en tu asistente?

Últimos Blogs

  • OpenClaw vs KiloClaw comparación de precios y facilidad de uso
  • OpenClaw vs Kimi Claw
  • GPT-5.4 vs Gemini 3.1 Pro
  • Perplexity Computer desafía a los terminales financieros: ¿El fin de una era en 2026?
  • Mejores prácticas de OpenClaw
LinkStartAI© 2026 LinkstartAI. Todos los derechos reservados.
ContáctanosAcerca de
  1. Inicio
  2. Selección de GitHub
  3. OpenMAIC
OpenMAIC logo

OpenMAIC

Convierte cualquier tema en un aula interactiva multiagente con un solo clic
0TypeScriptGNU Affero General Public License v3.0
#multiagente#educacionIA#aulaInteractiva#PBL#LangGraph#LLM
#pizarraDigital
#codigoAbierto

¿Qué es?

OpenMAIC es una plataforma educativa de IA de código abierto creada por el laboratorio MAIC de la Universidad de Tsinghua. Convierte cualquier tema o documento en un aula totalmente interactiva con un solo clic mediante una arquitectura multiagente basada en LangGraph que coordina profesores y compañeros de IA para clases en tiempo real, pizarra, debates y sesiones de preguntas. Genera diapositivas, cuestionarios, simulaciones HTML y tareas PBL en un flujo unificado, y exporta los resultados como archivos .pptx editables o .html autónomos. Soporta OpenAI, Anthropic Claude, Google Gemini, DeepSeek y cualquier API compatible con OpenAI. Con OpenClaw también puede activarse desde Feishu, Slack, Telegram y más de 20 aplicaciones de mensajería. La investigación asociada fue publicada en JCST'26.

Problemas vs Innovación

✕Problemas Tradicionales✓Soluciones Innovadoras
Las plataformas MOOC tradicionales ofrecen contenido fijo y dejan al alumno en una dinámica pasiva con escasa interacción en vivoSu canalización en dos fases define primero la estructura y después genera escenas ricas en paralelo para ganar velocidad y densidad
Muchas herramientas de tutoría con IA siguen limitadas a preguntas y respuestas puntuales, sin narrativa continua ni colaboración de múltiples rolesEl 'director graph' basado en LangGraph coordina múltiples agentes y más de 28 acciones, incluida voz, pizarra, láser y foco
Construir un sistema propio de courseware con IA exige integrar TTS, ASR, LLM, renderizado y marcos multiagente con un coste técnico elevadoEl motor de simulaciones HTML crea experimentos web operables y supera el formato estático habitual
Las herramientas generales de IA documental rara vez generan cursos completos con simulaciones y PBL a partir de un único archivoLa integración con OpenClaw lleva la generación de aulas a más de 20 herramientas de mensajería y convierte el chat en canal de aprendizaje
-La credibilidad académica es alta gracias al equipo de Tsinghua y a la publicación en JCST'26

Arquitectura en Profundidad

Canalización de generación en dos fases
OpenMAIC divide la generación en dos etapas: creación del esquema y creación de escenas. Primero, un LLM organiza capítulos, objetivos y dificultad; después el sistema produce en paralelo diapositivas, cuestionarios, simulaciones HTML y módulos PBL. Este diseño conserva la coherencia pedagógica y reduce la latencia total. El progreso se transmite por SSE para que el usuario vea el aula formarse en tiempo real.
Orquestación multiagente con LangGraph
El núcleo de ejecución es un 'director graph' basado en LangGraph que controla roles como profesor, compañero y moderador. Cuando el flujo entra en discusión o preguntas, la capa de orquestación decide quién habla, qué acción se activa y cómo se transfiere el contexto. Soporta voz, pizarra, foco, puntero láser y otras acciones, acercando la experiencia a una clase real. El estado se sincroniza con el frontend para mantener alineados comportamiento y renderizado.
Motor de reproducción e interacción en vivo
Un autómata de reproducción dedicado gestiona los estados idle, playing, paused y live. El contenido pre-generado se ejecuta como una secuencia ordenada de acciones, mientras que una interrupción del usuario cambia la sesión al modo live para responder al instante. Esta arquitectura dual evita que la latencia de inferencia afecte a la fluidez de reproducción. Es una solución práctica para productos educativos que requieren estabilidad e interacción inmediata.
Capa de abstracción para LLM y medios
OpenMAIC abstrae LLM, audio y medios mediante capas separadas en lib/ai, lib/audio y lib/media. Puede conectarse a OpenAI, Anthropic, Gemini, DeepSeek y endpoints compatibles con OpenAI con configuración en tiempo de ejecución. TTS, ASR, generación de imágenes y vídeo siguen el mismo enfoque enchufable. Esto facilita adaptar el sistema a cambios del ecosistema de modelos, costes operativos y requisitos normativos.

Guía de Despliegue

1. Clona el repositorio e instala dependencias con Node.js 20 o superior y pnpm 10 o superior

bash
1git clone https://github.com/THU-MAIC/OpenMAIC.git2cd OpenMAIC3pnpm install

2. Copia la plantilla de variables de entorno y configura al menos una clave de proveedor LLM

bash
1cp .env.example .env.local2# Edita .env.local3# OPENAI_API_KEY=sk-...4# ANTHROPIC_API_KEY=sk-ant-...5# GOOGLE_API_KEY=...

3. Inicia el entorno de desarrollo y abre la URL local

bash
1pnpm dev

4. Opcionalmente despliega con Docker para una instalación contenerizada

bash
1cp .env.example .env.local2# Después de editar3docker compose up --build

5. Opcionalmente publícalo en Vercel importando el repositorio y definiendo variables de entorno

bash
1# Visita https://vercel.com/new2# Importa tu fork y define las API keys

Casos de Uso

Escenario PrincipalPúblico ObjetivoSoluciónResultado
Acelerador de aprendizaje personalAutodidactas que quieren dominar nuevas habilidades con rapidezIntroducir un tema o subir libros y artículos para generar clases con narración, cuestionarios y simulacionesAprendizaje estructurado más rápido y mejor retención
Fábrica de contenidos para formación corporativaEquipos de L&D que producen materiales de capacitación de forma intensivaSubir SOP internos o documentos de conocimiento para generar courseware interactivo y exportarlo como .pptxReducción drástica del tiempo de producción y del coste laboral
Asistente docente inteligente para centros educativosProfesores de educación superior y K12 que necesitan recursos diferenciadosGenerar aulas interactivas con debate y PBL directamente desde Feishu o SlackMayor participación en clase con menor fricción de adopción

Limitaciones y Consideraciones

Limitaciones y Consideraciones
  • La calidad de generación depende en gran medida del LLM subyacente, y los modelos débiles pueden introducir errores o una estructura pedagógica inestable
  • Las simulaciones HTML son generadas por el modelo, por lo que en escenarios complejos pueden aparecer fallos lógicos o menor precisión interactiva
  • Un aula completa activa múltiples llamadas de modelo y voz, de modo que el coste de API puede crecer con alta concurrencia
  • El TTS en tiempo real reduce la inmersión cuando hay latencia del proveedor o inestabilidad de red
  • AGPL-3.0 impone restricciones relevantes al SaaS cerrado, por lo que conviene revisar la estrategia de licencia antes de comercializar

Preguntas Frecuentes

¿Cuál es la diferencia esencial entre OpenMAIC y una plataforma MOOC tradicional?▾
Un MOOC tradicional se basa en contenido grabado y una interacción limitada. OpenMAIC genera el aula a partir del tema actual y usa múltiples agentes para explicar, debatir y responder en tiempo real, lo que encaja mejor con aprendizaje personalizado y temas de cola larga.
¿Por qué utiliza LangGraph en lugar de AutoGen o CrewAI?▾
Los productos educativos necesitan control explícito del estado y gestión de interrupciones del usuario. LangGraph modela mejor reproducción, discusión y transición en vivo como estados gobernados, con mayor previsibilidad operativa.
¿Cuánto tiempo y coste suele requerir una clase completa?▾
Depende del número de escenas, del nivel del modelo y de si se activa TTS. Una clase media puede completarse en minutos, pero los modelos premium y las simulaciones complejas elevan el coste de forma visible.
¿Las simulaciones HTML son realmente fiables en producción?▾
Las simulaciones sencillas suelen funcionar bien, pero las interacciones complejas pueden generar errores de script o desviaciones de comportamiento. Para uso docente formal conviene revisar manualmente y asignar modelos más potentes a esa tarea.
¿Qué valor práctico aporta la integración con OpenClaw?▾
Lleva la generación de aulas al flujo diario de chat en Feishu, Slack o Telegram. Así, el usuario puede lanzar tareas, seguir el progreso y recibir enlaces sin entrar en consola ni paneles administrativos.
¿Cuál es la mayor carencia para un despliegue privado empresarial?▾
La arquitectura actual está más orientada al autoalojamiento de usuario único y no incluye autenticación, RBAC ni aislamiento multicliente de forma nativa. En empresa suele hacer falta añadir identidad, middleware y base de datos persistente.
¿Cómo afecta AGPL-3.0 a la comercialización?▾
Si modificas el código y lo ofreces como servicio en red, normalmente deberás publicar esas modificaciones bajo la misma licencia. Para un SaaS cerrado conviene abrir cuanto antes la vía de licencia comercial.
¿En qué supera o pierde frente a herramientas como Gamma.app?▾
Gamma destaca en acabado visual y plantillas para presentaciones de negocio. OpenMAIC sobresale en narrativa pedagógica, interacción multiagente, acciones de pizarra y lógica de aula orientada al aprendizaje.
Ver en GitHub

Métricas del Proyecto

Estrellas0
LenguajeTypeScript
LicenciaGNU Affero General Public License v3.0
Dificultad de DespliegueFácil

Table of Contents

  1. 01¿Qué es?
  2. 02Problemas vs Innovación
  3. 03Arquitectura en Profundidad
  4. 04Guía de Despliegue
  5. 05Casos de Uso
  6. 06Limitaciones y Consideraciones
  7. 07Preguntas Frecuentes

Proyectos Relacionados

DeerFlow — arnés SuperAgent de código abierto de ByteDance
DeerFlow — arnés SuperAgent de código abierto de ByteDance
26.1 k·Python
gstack
gstack
0·TypeScript
Marketing for Founders
Marketing for Founders
2.2 k·Markdown
Yuan3.0 Ultra
Yuan3.0 Ultra
1.2 k·Python