9月8日，巴黎，联合国教科文组织总部。在Digital Learning Week 2026的一场官方活动上，清华大学教育学院张羽教授和于济凡助理教授用90分钟，向不同国家和地区的教师、校长与政策制定者介绍OpenMAIC，现场参与者还把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。
过去两年，AI行业一直在寻找编程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，而教育长期被低估。OECD TALIS 2024显示，约三分之一的初中教师已在工作中使用AI，使用者中64%会用它生成教案或课堂活动。
教育场景和软件工程有相似的骨架：确定学习目标、检索核验材料、组织知识顺序，再生成讲解、幻灯片、互动与反馈，还要在多轮修改中持续调用模型。OpenMAIC源自2024年启动的MAIC项目，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。
量级变化更能说明问题。旧版生成一个互动课堂平均消耗约35.8万Token，而v1.0的专业工作台完成一个完整创作任务平均消耗约362.5万Token，约为之前的10.1倍，背后平均调用模型74.3次。这组数字不是浪费，而是任务链变长的直接结果：AI从“生成一段内容”转向“承接一整套生产流程”。
当AI开始承担规划、检索、生成、修改与复用，教育就成了一类典型的长链条智能体任务。这与星战科技在OPC智能体协作平台和AI实训平台上强调的方向一致：让多个模型、工具与智能体围绕一个学习目标协同工作，同时让过程可管理、可复用。教育既是智能体能力的试炼场，也是培养人如何与AI协作的实训场。
OpenMAIC的另一层尝试，是把费曼学习法、螺旋式课程等方法封装为Skill，并通过标准化SDK接入DeepSeek Harness、Codex等工作台。这意味着教学方法可以被描述、调用和迁移，教育能力有机会像搜索、写作、编程工具一样，嵌入不同开发者构建的场景里。
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，谁就更有可能定义教育内容的新生产标准。走进联合国，输出的不只是一款产品，也是一套建设AI原生学习环境的方法。
