一份 PDF 丟進去，就能自動長出課綱、投影片、測驗與互動頁面——這是 OpenMAIC 最吸引人的地方，也是最容易讓人誤會的地方。真正有用的 OpenMAIC 教學，不能只教你按下「生成」，還要教你怎麼證明內容沒有離開來源、答案鍵沒有寫反、匯出檔真的能用。
這篇專為完全沒有技術背景的讀者寫。我們會以固定 PDF 為主線，帶你選 hosted 或 self-hosted、設定資料邊界、完成一堂多 Agent 互動課程，最後用一張可保存的驗收表收尾。本文是依 OpenMAIC v1.0.0 官方文件與程式碼整理的操作方法，不把未登入的 hosted 工作台或未執行的課程生成包裝成 AlphaLab 實測。
先說結論：生成完成，不等於課程完成
OpenMAIC 是多 Agent 課程工坊；可發布課程，則是生成結果加上一份驗收收據。你可以把整個流程記成四個詞：固定來源 → 明確規格 → 逐項證據 → 重跑比較。少了最後兩步，再漂亮的投影片也只是草稿。
截至 2026 年 8 月 31 日，OpenMAIC 剛在 8 月 27 日發布 v1.0.0；GitHub Trending 當日頁面一度顯示「1,625 stars today」。這只能代表開發者注意力快速升高，不能推導成活躍教師數、正式部署量或學習成效。
OpenMAIC v1.0 到底是什麼？
OpenMAIC 全名是 Open Multi-Agent Interactive Classroom。白話說，它不是只做一份簡報，而是把教師、助教、同學等角色與投影片、測驗、互動元件放進同一個課堂體驗。v1.0 又加入 Pro Workbench：Agent 可以先規劃，再建立與修改課程，並接受後續指令。
這裡的 Agent，是「能分步完成任務的 AI 系統」，不是一個真的老師。想先理解 Agent 為什麼需要工具、記憶與驗收，可以先看 AI Agent Harness 是什麼；想知道為何要把結果做成測試集，再讀 AI Evals 新手教學。
先選路線：hosted、Classic Docker 還是 Pro＋PostgreSQL？
痛點不是「哪一個最好」，而是你願意負責哪一層。只想理解操作，從官方 hosted 介面看工作流最省事，但不要上傳機密、個資或受限制教材；可用功能、帳號與保存政策要以當下介面為準。
想掌握應用程式與資料所在主機，可選 Classic self-host。官方預設把課程與學習狀態放在瀏覽器 IndexedDB；但只要你仍使用雲端模型、搜尋、文件解析或媒體 provider，資料就可能離開自己的主機。換句話說，self-hosted 不等於全離線。
需要可持續的 Agent session 與 Pro 工作台，才考慮 Pro＋PostgreSQL。它在 v1.0 預設關閉，需要資料庫、runtime flag 與明確模型路由，部署責任也最高。官方在 server persistence 警告中特別說明：公開到前端的開發 token 不提供真正的機密性或使用者隔離，只適合本機、可信內網或單人環境。
OpenMAIC 教學準備：先鎖版本與 PDF
1. 鎖定 v1.0.0，不要讓教學被 main 分支改寫
痛點是開源專案更新很快，同一句指令隔週可能得到不同介面。解法是把版本寫進安裝命令。官方快速開始要求 Node.js 20.9 以上與 pnpm 10.28；以下再加上 --branch v1.0.0，讓你的環境與本文證據相同：
git clone --branch v1.0.0 --depth 1 https://github.com/THU-MAIC/OpenMAIC.git
cd OpenMAIC
pnpm install
cp .env.example .env.local
pnpm dev瀏覽器打開 http://localhost:3000。若選 Docker，則在填好 .env.local 後執行 docker compose up --build。看到首頁只代表應用程式啟動成功，還不代表模型、parser、搜尋與匯出都已配置。
2. 把 PDF 變成可核對的「固定輸入」
痛點是檔名相同，不代表內容相同。解法是記錄 PDF 的版本、頁數與 SHA-256 雜湊；macOS 或 Linux 可執行 shasum -a 256 your-course.pdf。再人工挑出 10 個必須保留的關鍵事實、3 個容易混淆的概念，以及你預期的測驗答案。這些數量是 AlphaLab 建議的起始驗收樣本，不是 OpenMAIC 官方保證。
若 PDF 是掃描檔、含複雜公式、表格或多欄版面，不要只看到「支援 PDF」就放心。官方設定文件把內建 unpdf 定位為基本 PDF 路徑，複雜解析可另外接 MinerU 或 AliDocMind。先抽看 parser 產出的文字，否則後面生成得再漂亮，也可能只是把錯誤解析放大。
從 PDF 做出課程：4 個生成步驟
3. 上傳材料，先要課綱，不要一次要完整課程
痛點是一口氣生成太多，錯誤會一路傳到投影片與測驗。解法是先要求 Agent 回傳課綱與來源範圍。可用這段規格作為起點：
只根據我上傳的 PDF 規劃一堂 30 分鐘入門課。先列出 5 個學習目標與課綱；每個主張附上可在材料中搜尋的關鍵短語。來源不足時寫「待補證據」，不要自行補完。暫時不要生成投影片。
在 Classic 生成器可選擇是否使用網路搜尋；self-host 管理者也能關閉特定搜尋 provider。不過提示詞的「只用 PDF」仍是軟性規則，模型也可能帶入既有知識，所以頁碼與人工抽查不能省。想理解「檢索」與「答案」為何是兩件事，可搭配 RAG 是什麼。
4. 再生成投影片、測驗與一個互動單元
痛點是一次塞滿所有媒體，會讓問題難以定位。解法是限制輸出：先要 8–12 張投影片、5 題測驗與 1 個互動單元；影片、TTS 與大量圖片等昂貴 provider 先關閉。操作後先檢查「每個承諾的產物是否存在」，而不是先看配色。
真正關鍵：4 個驗收步驟
5. 抽查 claim-to-source，不要只問「看起來對不對」
隨機抽 10 個可驗證主張，逐一記錄「課程文字、PDF 頁碼、原文證據、判定」。數字、定義與因果關係優先；找不到來源就標紅，不要替 AI 腦補。這和 AI 引用稽核的核心一樣：引用存在，不等於引用真的支持那句話。
6. 逐題驗答案鍵與難度
每題至少檢查四件事：正確答案是否真的出現在選項、單選題是否只有一個答案、多選題是否有模糊選項、解析是否能回到 PDF。簡答題再各送入一個正確、部分正確與明顯錯誤答案，觀察評分理由是否一致。OpenMAIC 的題目格式有結構驗證，但官方 quiz reference也提醒，結構通過不會自動抓出所有語意錯誤。
7. 同設定重跑，驗「核心不變」而不是像素一樣
固定 PDF、版本、模型路由、搜尋與 parser，再用同一段規格重跑兩次。比較學習目標、關鍵事實、答案鍵與互動規則；不要求每句話或版面完全相同。若核心事實在重跑間漂移，這堂課就不適合直接交給學生。想把這種驗收變成長期流程，可接著看 如何建立 AI Agent Harness。
8. 匯出後重開，並測試保存與權限
官方匯出文件列出可編輯 PPTX、互動 HTML 與 classroom ZIP 等路徑；PPTX 主要承載投影片，測驗與互動要用相應的 classroom ZIP 或 Resource Pack 驗收。把各種檔案下載後，用另一個瀏覽器或另一台電腦重開，逐一檢查公式、圖片、字型、測驗與互動；外部資產若因 CORS 無法內嵌，匯出包仍可能保留外部 URL。
接著重新整理頁面、重啟服務並回到同一 session。Classic 預設是瀏覽器資料；Pro durable session 才需要 PostgreSQL。若設 ACCESS_CODE，把它視為全站共用入口碼，不要當成帳號系統或角色權限。多人公開部署前，必須改成由伺服器控制的身分驗證，不能沿用公開的 persistence 開發 token。
成本怎麼估？別問「一堂課固定多少錢」
OpenMAIC v1.0 程式碼採 MIT 授權，但模型、搜尋、parser、圖片、影片、TTS、資料庫與主機都可能另外計費。最安全的公式是：單次總成本＝文字模型＋檢索／解析＋媒體生成＋失敗重試＋儲存與主機。不同 provider、模型與課程長度差異太大，不能拿別人的單次 token 數當固定價目。
第一次驗收先關掉影片與語音，只保留文字、投影片、測驗與一個互動單元；再從 provider dashboard 記錄實際用量。這樣你看到的是自己的成本曲線，而不是行銷範例。
OpenMAIC 教學常見問題 FAQ
1. OpenMAIC 可以完全只根據 PDF 嗎？
不能只靠一句提示詞保證。你可以關閉搜尋、要求頁碼與標記證據不足，但仍要做 claim-to-source 抽查。
2. 掃描 PDF 也能直接用嗎？
不一定。先檢查 OCR 與版面解析結果；表格、公式或多欄文件可能需要 MinerU、AliDocMind 等 parser。
3. hosted 版適合上傳公司內部教材嗎？
不要預設適合。先確認當下服務的帳號、保存、provider 與資料處理政策；沒有明確授權時，只用公開或去識別資料。
4. self-hosted 就代表資料不離開公司嗎？
不是。若模型、搜尋、解析或媒體服務仍在雲端，請求仍會送往相應 provider；全本機要逐一檢查整條供應鏈。
5. ACCESS_CODE 能做多人權限管理嗎？
不能。它是全站共用入口碼，不是每人帳號、RBAC 或資料隔離。
6. PPTX 匯出後一定和畫面相同嗎？
不保證。匯出是另一條轉換路徑，公式、字型、圖片與互動都要重新開檔驗收。
7. GitHub stars 很高，代表教學效果已被證明嗎？
不代表。stars 是注意力與興趣 proxy，不是學習成效、活躍使用或正式採購的測量。
8. 新手應該從 Pro Workbench 開始嗎？
通常先不用。先用 hosted 或 Classic 跑通「固定 PDF＋驗收收據」，真的需要長任務、可恢復 session 與材料管理，再承擔 Pro＋PostgreSQL 的部署責任。
給新手的 5 個重點
- 鎖定 OpenMAIC v1.0.0、PDF 雜湊與 provider 設定。
- 先生成課綱，再分批生成投影片、測驗與互動。
- 把「只用 PDF」當規格，不當保證；逐項回到頁碼。
- 同設定重跑，驗核心事實與答案鍵是否穩定。
- 匯出後重開，並把 ACCESS_CODE 與開發 token 視為不同層級的工具。
如果你想把這套做法延伸到更多 Agent 工具，Terminal-Bench 科學化驗收教學會補上可重現測試的思路；想從零建立完整學習路線，也可查看 AlphaLab 課程。
結語：把課程當成要交付的產品
OpenMAIC v1.0 最有意思的，不是「一個 Prompt 代替老師」，而是它把規劃、內容、互動與修改放進同一個 Agent 工作台。你的下一步也很具體：挑一份公開、沒有個資的 PDF，先寫好 10 個關鍵事實與預期答案，再跑一次本文的八步流程。
最後只問一句：如果今天換一位同事接手，他能不能用你的驗收收據，重現這堂課為什麼可以交付？能，才算完成；不能，就只是生成。