AI课堂生成网站丨OPENMAIC丨清华团队开源项目

AI课堂生成网站丨OPENMAIC丨清华团队开源项目

OpenMAIC(谐音“My课”)是一个AI教学平台,它能为你生成一个专属的7x24小时AI教室。在这个教室里,你是唯一的真人学生,而老师、助教和同学都由AI智能体扮演。

  • AI老师:负责主讲课程,可以在虚拟白板上实时书写、画图,并进行语音讲解。
  • AI助教与同学:会与你实时互动,他们可以提问、发起讨论,模拟真实课堂的临场感。

你只需要输入一个课程主题(如“什么是摩擦力”)或上传一份文档,系统就能自动生成包含幻灯片、随堂测验、互动模拟和项目式学习活动的完整课程。

🎓 主要特点

  • 极速课程构建:只需输入关键词或上传文档,AI即可在约30分钟内自动生成一套结构完整的教学包,成本极低。
  • 拟真多角色课堂:通过多智能体协同,模拟出教师、助教和不同性格的同学,他们可以说话、在白板上绘画,并与你进行实时讨论,显著增强学习的参与感。
  • 跨应用轻量调用:通过内置的OpenClaw集成,用户可以直接在飞书、Slack等主流协作工具中,通过简单的指令触发课程生成。
  • 全格式灵活交付:生成的课件支持导出为可编辑的PPT文件或打包为独立的HTML文件,方便二次编辑和使用。

OpenMAIC提供了非常友好的入门方式:

  1. 在线体验:直接访问其官方网站,无需任何技术背景即可生成和体验课程。
  2. 本地部署:对于有技术能力的学校或开发者,项目已在GitHub上完全开源,支持接入通义千问、智谱GLM等国内主流大模型。

使用体验:

网站限制上传50M的,上传了一个45M的,等了15分钟都没有生成我想要的课堂,于是换了一个小的9M的PDF,也等了15分钟。

生成课堂需要时间,需要耐心等待。我上传了8.6M的PDF,等待了15分钟生成。

比起让千问豆包生成文字课堂,这个的优势在于界面清晰,有朗读和PPT视频讲解。另外,可以收藏到个人账号里,下一次登录就可以继续。

网页版的用起来不是很顺畅。使用体验一般。15分钟生成了第一页PPT,等他生成第二页估计还得15分钟,速度太慢了。给老师备课不错,真拿来给学生学习,似乎还不成熟,可能需要等她慢慢生成,但我没有耐心,直接丢给AI都已经总结完了。

还不错吧。

我一般想学习某一文档,直接把PDF丢给各家AI,千问DS等,让他生成提示词,我再用它给我的提示词丢给AI,让他教我本书的内容。

Read more

必看:2026年跨维度AR测试工具进化论

必看:2026年跨维度AR测试工具进化论

AR测试工具的热度背景 2026年,增强现实(AR)技术正深度融入金融、电商、医疗等垂直领域,驱动跨维度测试需求激增。软件测试从业者面临空间交互、多设备兼容性等新挑战,公众号内容热度由此聚焦工具进化与实战解决方案。用户痛点如AR场景下的缺陷预测和自动化覆盖,成为流量核心驱动力,其中工具评测与AI融合话题占据主导地位。 一、公众号热度内容全景解析 1. AI驱动的AR测试自动化(热度指数:95%) 生成式AI工具(如ChatGPT)已重塑AR测试工作流,能自动生成80%的回归测试脚本,大幅降低人工耗时。热门内容如《2026年Top 5 AR测试工具》强调实操数据: * 效率提升:AI插件(如Selenium扩展)使AR空间定位测试效率提高30%,缺陷检出率提升40%。 * 爆款案例:某电商AR试穿功能的测试优化指南,单篇引流10万+,核心是提供免费AI脚本资源包。 从业者关注点集中于低代码工具集成(如Testim)和Prompt工程技巧,以应对AR交互复杂性。 2. 云平台支持的跨维度测试(热度指数:88%) 云测试平台(如AWS

简单易学的分离式部署小米智能家居Miloco方法

一、安装环境 * Windows用户:安装WSL2以及Docker * macOS/Linux用户:安装Docker 此处不再赘述,网上随便找个教程即可。特别地,对于Windows用户来说,你需要将 WSL2 的网络模式设置为 Mirrored。 二、使用Docker部署Miloco后端 以下均为bash命令。请Windows用户进入WSL2 / Linux、macOS用户进入终端操作: mkdir miloco cd milico vi docker-compose.yml 以下是compose的内容(不会使用vi的同学可以傻瓜式操作:先按i,再使用粘贴功能,然后按冒号,输入wq然后回车,记得关闭输入法): services:backend:container_name: miloco-backend image: ghcr.nju.edu.cn/xiaomi/miloco-backend:latest network_mode:

智元 D1 强化学习sim-to-real系列 | Robot Lab 基于 Isaac Lab 的机器人强化学习使用(四)

智元 D1 强化学习sim-to-real系列 | Robot Lab 基于 Isaac Lab 的机器人强化学习使用(四)

1. 项目简介 Robot Lab 是一个基于 NVIDIA Isaac Lab 构建的机器人强化学习扩展库,专注于为各类机器人提供标准化的强化学习训练环境。该项目允许开发者在独立的环境中进行开发,而无需修改核心 Isaac Lab 仓库。对应ISaac lab 使用需要你参考并学习。然后可以参考Isaac Sim|操作界面指南,ISAAC SIM安装与软件实践学习(二)—用户界面与工作流程,Nvidia Isaac Sim图形界面 入门教程 2024(3)学习操作。最全的资料还是我们之前讲到的isaacsim官方教程以及isaaclab翻译版本 NVIDIA的机器人平台主要由两大核心组件构成,它们之间是层级关系:基础仿真平台Isaac Sim,以及构建于其上的机器人学习应用框架Isaac Lab。要精通 Isaac Sim,必须理解其分层架构中的五个核心概念。Isaac Sim 是什么? 它是一个通用的机器人模拟器,提供了高保真的物理引擎(PhysX)和照片级的渲染技术(

Cesium 无人机智能航线规划:航点动作组与AI识别实战

1. 从“点”到“任务”:理解智能航线规划的核心 如果你用过一些基础的无人机航线规划工具,可能觉得“不就是在地图上点几个点,连成线让飞机飞过去”吗?确实,早期的航点飞行就是这么简单。但当你真正投入到巡检、测绘、安防这类复杂任务时,你会发现,单纯的“点对点”飞行远远不够。 想象一下电力巡检的场景:无人机飞到第3号铁塔时,需要悬停、调整云台角度对准绝缘子串拍照;飞到第5号铁塔时,需要切换变焦镜头拍摄细节;在跨越河流的航线段,需要启动AI识别算法,自动监测河道漂浮物。这就不再是一条简单的“线”,而是一个由航点、动作、智能决策共同构成的三维空间任务流。 这就是Cesium在无人机应用开发中的独特价值。它不仅仅是一个三维地球可视化库,更是一个强大的空间任务编排平台。基于Cesium,我们可以将地理空间坐标(航点)与丰富的动作指令(Action) 以及AI识别逻辑绑定在一起,生成一个无人机能读懂、可执行的复杂任务剧本。 我刚开始做这类项目时,也走过弯路,以为把航线画漂亮就行了。结果真机测试时,要么动作没执行,