#IT那些事儿# 比可汗学院和慕课还可汗：AI 同学吵起来了，这才是真正的多 Agent 课堂！

清华研究团队开源的这个 OpenMAIC，让我惊了，感觉比可汗学院和慕课还可汗。
你发一句话（图一）或一个文件，几分钟内就自动生成一堂完整的 AI 多 Agent 互动课堂——AI 老师语音讲解 + 白板实时画重点（图二），AI 同学和研究生助理跟你有问有答引导热烈讨论，有的“同学”思辨能力强，有的“同学”靠直觉（图三），实时测验、项目式学习（PBL）全都有，包教包会，还能用麦克风直接对话。

OpenMAIC 和小龙虾一样，也是“模型无关（model-agnostic）”架构，如果在本地搭建推荐配置高性价比推理模型（如 Gemini Flash），不过对于不同角色可以用不同模型（老师 / 学生 / 助教），这样能省点钱。
OpenMAIC 技术本质上是：
RAG + 多Agent系统 + 教学流程建模 + 多模态交互。
它的核心创新是多Agent编排。每个 Agent 都是一个 LLM prompt + memory，通过 graph 控制调用顺序，支持循环（讨论 → 修正 → 再讲），这就是为什么能看到“AI同学吵起来”（图四）。

我看很多人第一反应就是那 AI 幻觉怎么办？是啊，如何从工程上解决课堂多 AI Agent 的一致性和收敛性问题呢？

首先，在多 Agent 课堂里，幻觉不是 bug，而是系统性风险！
因为这个课堂里有多角色（老师 / 学生 / 助教）、长上下文（整堂课）、开放问题（学生提问），这比单轮问答难一个数量级，一旦一个 Agent 说错，其他 Agent 接着“合理化”，就会形成共识，强化错误。
其次，我在研究过的 SWE-CI 问题中就曾说过“上下文漂移 + 约束遗忘”（参见：http://t.cn/AXffDprp），那么在多 Agent 课堂里就会表现为越讲越偏和讨论跑题。

那么，如何解决呢？
猜测大概要分六层防护。
第一层，RAG Grounding（检索增强生成“锚定”在可验证的外部真实数据源上）
第二层，角色降权（主要是 AI “学生”）
第三层，提高AI“助理”的校验机制，或者单独增加一个裁决 Agent
第四层，结构化输出（防止漂移）
第五层，建立课堂“收敛机制”
第六层，全局一致性监控
总结一下， 要想抑制多 Agent 课堂的幻觉，必须要求（比如以 SKILLS 的方式）：
1）所有知识必须引用来源
2）每一模块必须包含“总结 + 测验”
3）学生 Agent 不能给结论
4）加入 Verifier Agent 做一致性检查

OpenMAIC 的出现，标志着 AI 教育从“单点问答”迈向“系统性课堂编排”的质变。它的真正价值，不在于“让 AI 会讲课”，而在于它首次把教育问题转化为一个可工程化的多 Agent 系统一致性与收敛性问题——有争论、有纠错、有收敛。
但这也意味着，任何想在教育场景中认真落地多 Agent 系统的团队，都必须把"幻觉治理"当作头等大事来设计。上文提到的六层防护体系，本质上是在回答同一个问题：如何让一群 AI 在开放主题编排和开放对话中，仍然对真理负责？
这不只是 OpenMAIC 的工程挑战，也是整个 Agentic AI 时代的核心命题。教育场景，恰好是压力测试它的最好战场——因为学生不会假装听懂，错了就是错了。