过去两年，AI 行业一直在寻找 Coding 之后的下一个高价值入口。办公软件，争夺文档、表格和日程；智能硬件争夺真实世界的数据。

教育可能是一个长期被低估的答案。

教育 AI 已经开始进入规模化应用阶段。OECD TALIS 2024 显示，约三分之一的初中教师已经在工作中使用 AI；在使用者中，64% 会用它生成教案或课堂活动。

设计一门课程，需要理解学习目标、检索和核验材料、组织知识顺序，再生成讲解、幻灯片、互动与反馈，它与软件工程一样，拥有漫长的任务链条，也需要在多轮修改中不断调用模型。

在教育场景里，AI 需要走出之前的一问一答的简单模式，转而去实现一整套知识生产工作。

9 月 8 日，巴黎，联合国教科文组织总部，在 Digital Learning Week 2026 的一场官方活动中，清华大学教育学院张羽教授和于济凡助理教授，用 90 分钟向来自不同国家和地区的教师、校长、教育管理者和政策制定者介绍 OpenMAIC。

现场参与者还将自己的教学主题交给 Agent，亲手生成课程。

这是首个登上联合国舞台的中国教育 Agent 团队，为全球 AI 竞争提供了一个新坐标：当大模型竞争走出参数榜单，中国团队开始向外输出一套组织知识、设计课程的方法。

OpenMAIC 源自清华大学教育学院与计算机系联合团队于 2024 年启动的 MAIC 项目，并于 2026 年 3 月开源。截至 8 月 20 日，平台已有超过 55 万名创作者，累计交互超过 3400 万次，覆盖 154 个国家和地区。

8 月 28 日，OpenMAIC 升级为 v1.0 正式版—— Agent 驱动的专业工作台，其最新数据显示平台累计消耗 883B Token；近 30 天消耗 68B Token，环比增长 203%。

更关键是升级前后的用量对比，旧版 OpenMAIC 生成一个互动课堂平均消耗约 35.8 万 Token；Agent 专业工作台的一个完整创作任务平均消耗约 362.5 万 Token，约为此前的 10.1 倍，背后平均调用模型 74.3 次。反映了产品从课堂生成器向完整课程工作台演进后，单次任务链路和模型调用深度的变化。

需求侧的普及，与产品侧从单次内容生成向完整课程生产的深化，正在同时发生。OpenMAIC v1.0 单次任务 Token 用量的增长，呈现的正是后一种变化：当 AI 开始承担规划、检索、生成、互动与修改，教育也正在成为承接长链条 Agent 任务的重要入口，显露出成为 Token 经济时代又一重要应用入口的潜力。

Coding 之后，为什么是教育

Token 曾经只是大模型账单上的计量单位。Agent 出现以后，它也开始衡量 AI 究竟有多深入真实任务。

Coding 最先验证了这条路径。软件工程要求模型理解需求、拆解任务、调用工具并反复调试；当 AI 从聊天框进入长链条工作流，Token 才真正成为生产资料。

办公 Agent 正在争夺文档、表格和日程入口，但教学工作中的办公，只能称得上是教育 Token 的外围，要真正进入教学，需要为不同的人构建完整的学习体验。

这也意味着，教育场景有着相似的结构，同样是一项长链条、多轮次任务：确定目标，检索材料，设计知识顺序，再生成幻灯片、声音、互动与反馈；课程还要随教师判断和学习者反应持续修改。

显然，教育场景还有更多可以探索的空间。

从旧版到 v1.0，单个任务 Token 用量的变化，对应的是模型接手了更长的任务链：课程规划、素材处理、生成、修改和复用都被纳入同一工作流。教育 Agent 由此具备了与 Coding Agent 相似的产业条件：需求足够刚性，链路足够长，也能持续调用模型与工具。

教育 Agent 的战场，不在课件，而在工作流

过去的教育数字化首先解决了存储和分发，课程生产仍高度依赖教师个人：怎样选材料、排难度、提问题，再根据反馈修改，这些经验很难装进模板。

生成式 AI 降低了制作课件的门槛，也暴露出新的问题：让 AI 理解材料、遵循教学方法、完成多轮修改，并把有效做法带到下一门课，教育 Agent 的竞争因此从「生成了什么」，转向「如何稳定生产」。

OpenMAIC v1.0 选择切入这条生产链，专业工作台用持续对话承接课程目标、受众、时长和素材；Agent 可以调用搜索、幻灯片、Quiz、互动页面、声音与项目式学习等工具，并在同一个任务里继续修改。

这条生产链有着巨大的应用空间，打开了存量知识的第二条生命线。对教育行业来说，可以对旧教案焕新；对内容行业来说，过往报道和文章不再止于一次阅读，而可以继续生长为可操作、可反馈、可迭代的学习产品。

我们把一篇关于电影制式与影厅选择的旧报道交给它，原有文字和图表被重新组织为讲解、互动与小测，课程还生成了一个购票决策模型，让学习者按预算、视觉、听觉和舒适度比较影厅。

旧内容由此获得了新的使用方式，也说明专业工作台处理的对象已经从单次生成，转向一项可以反复编辑的内容工程。

工作流解决了课程如何完成，Skill 决定了复用的效率。OpenMAIC 把费曼学习法、螺旋式课程等方法封装为 Skill，也允许用户制作自己的 Skill。原本隐性的设计经验由此可以被描述、调用和迁移，逐步沉淀为可复用的生产资产。

在「普通人如何看懂一座建筑」这一主题里，Agent 自动检索建筑图片，从斗拱、穹顶等具体对象切入，组织出「观察—提问—验证」的学习路径。

更进一步，OpenMAIC 通过标准化的 Skill 与 SDK 接入 DeepSeek Harness、Codex、WorkBuddy 等 Agent 工作台，课程生成因此可以成为通用 Agent 的一项能力。模型负责理解和推理，Harness 提供调用工具、保存进度与连续执行任务的环境，OpenMAIC 则提供课程生产能力。

▲ 通过 Claude Code 调用 OpenMAIC

对于学习者，复杂知识获得了可交互的解释；对于开发者，教育能力也开始像搜索、写作和编程工具一样被嵌入不同场景。

从专业工作台到 Skill，再到 Harness 与 SDK，OpenMAIC v1.0 增加的不只是三组功能，整体看来，它重新划定了产品边界：从一个课程生成工具，走向课程生产系统，并进一步成为 Agent 生态中的教育能力层。

走进联合国，中国开源的是一种教育能力

随着基础模型逐渐趋同，教育 Agent 的竞争也会从单点功能转向工作流与生态。谁能让更多教学法被复用、让更多开发者接入、让课程能力在不同 Harness 之间流动，谁就更有机会定义教育内容的新生产标准，并承接由此产生的 Token 消耗，开源由此也成为一种产业策略。

OpenMAIC 选择开源并保持模型与 Harness ，让学校、教师和开发者可以替换模型与材料，进行本地部署和二次开发，让同一套工具适配不同语言、文化与教学目标。

如果拆开教育 Agent 的价值链，上游是提供推理与多模态能力的基础模型，中游负责组织任务、调用工具和沉淀教学方法，下游则连接学校、教师与具体课程。模型并不稀缺，能够把模型能力稳定转化为课程的生产系统，才是现阶段的关键中间层，OpenMAIC 正在争取的正是这个位置。

这也是 OpenMAIC 走进 UNESCO 更大的意义，对资源有限的学校和教师，开放的课程生产能力有机会继续降低优质内容的门槛；对 AI 教育行业，开放让技术路径和教学假设可以被检验、比较与修正。

它同时呈现了中国 AI 竞争力的另一种形态：模型参数和榜单展示技术能力，开源应用则把能力变成全球教育工作者可以使用、修改和再创造的工具。中国团队输出的不仅是一款产品，也是一套建设 AI 原生学习环境的方法。

Coding 已经让人们看到，Agent 可以成为专业工作的新入口。接下来，当 AI 开始持续组织知识、调用教学方法并适应不同学习者，教育 Token 的市场才刚刚打开。