首个走进联合国的中国教育Agent，正在打开下一个Token入口

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。

主题：教育