# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
上一篇我用 Doubao-Seed-Evolving，把复杂 PRD 拆成可执行工程，做成了 AI 教学视频平台。那次重点是“知识驱动出片”：学科知识点 → 教学分镜 → 配音 → 动画 → 1080p 成片。
但课堂里还有另一类更刚需的内容：可交互课件。立体几何要旋转看线面角，解析几何要拖滑块看范围，化学反应要看分子动画和原子守恒。这些东西如果还靠手工拼 Three.js / Canvas / KaTeX 页面，老师和学生都容易卡在“会不会做网页”，而不是“会不会讲题”。
这次我把开源项目 wy51ai/edulab 的三大交互教学技能，封装成一个完整 Web 管理系统：AI Teaching EduLab。用户在浏览器里选题型、填参数、提交任务，后台 Worker 调用 Python/sympy 计算并渲染自包含 HTML 课件，再进入任务中心、课件库、审核和广场。
项目完整源码已开源，可直接下载使用：hailaobao2026/ai-teaching-edulab
更关键的是，这次不是从零“做一个页面”，而是用 2026/08/01 前后持续更新的 doubao-seed-evolving，在 Codex 里完成“读开源技能 → 参考既有平台架构 → 任务拆解 → 多轮修 Bug → 可登录可生成可审核”的长程工程协作。下面先讲开发过程与技术栈，再拆系统功能，最后用几个学科案例看真实生成效果。
【合规说明】
上一篇的视频平台解决的是“讲清楚”；这篇的 EduLab 系统解决的是“动起来”。两者的生产物不同：
一句话：
视频平台负责“讲”；EduLab 平台负责“练与看”。
结合 2026/08/01 前后官方公开信息，doubao-seed-evolving 这次更值得压测的不是“再做一个漂亮首页”，而是这些点（均以官方说明为准）：
doubao-seed-evolving，持续迭代而不频繁换版本号落到本次项目，真实压力来自：
edulab 技能包和既有 ai-teaching-video-platform 架构这比“一句话生成一个页面”更接近真实研发。
配置路径与上一篇基本一致：在火山方舟找到 Seed Evolving 相关模型，核对：
Doubao-Seed-Evolvingdoubao-seed-evolving创建 API Key 后，只在本地环境配置到 Codex。切勿在公开文章、截图或仓库中暴露完整密钥；如截图中出现密钥，请先打码再发布。
配置完成后做一次连通性验证，看到模型可正常调用，就可以进入工程任务。
这次我没有一上来让模型“直接写全站代码”，而是明确两件事：
然后先让模型做任务拆解和计划，再进入实现。
AI 进行任务拆解：
这轮拆解后的主线大致是：
需求分析与架构
→ 脚手架与双模式数据库
→ 认证 / RBAC
→ 题型目录与生成任务
→ Python Worker
→ 课件库与预览
→ 前端页面
→ 管理后台
→ 测试与交付
也就是说，模型不是只“生成几个页面组件”，而是先把平台切成可验收阶段。
在 Codex 里用 doubao-seed-evolving 继续实现后，第一版骨架推进很快。我这边体感大概两小时左右，前后端、Worker、基础页面已经能跑起来（具体耗时会因机器、依赖和网络环境不同）。
启动后一次性生成的效果：
点开最新公开课件：
首轮就能看到一个可旋转的立方体几何课件，说明主链路已经打通：
前端提交任务
→ API 入队
→ Worker 抢任务
→ 调用 edulab skill / Python 生成
→ 回写课件 HTML
→ 页面 iframe 预览
接下来我用登录账号再生成一次，立刻撞上了权限与预览相关问题：
遇到权限问题没有正确显示：
点开后内容未正确呈现：
这类问题反而更能验证 Agent 模型值不值得用：
经过多轮修改后，系统逐步收敛到现在 README 里的稳定版本：首页、生成中心、任务中心、课件广场、管理后台都能串起来。
最终效果截图：
首页：快速入口 + 学科选择
生成中心：选题型 / 参数 → 一键提交
任务中心：实时进度 + 取消 / 重试
课件广场：公开课件浏览 + iframe 预览
管理后台：用户 / 审核 / 统计 / 题型目录
这个平台不是“前端壳 + 一个 LLM 接口”，而是把本地教学技能工程化，下面是它的技术架构图
前端主要覆盖：登录注册、首页、生成中心、任务中心、我的课件、课件广场、审核页、管理后台等。
后端按模块拆分，大致包括：
“生成中心”是 EduLab 系统的核心生产入口。用户选择学科技能和题型后，填写参数或使用随机种子，一键提交生成任务。系统不会要求你手写 Three.js，也不会要求你自己拼 HTML 模板，而是把复杂渲染封装到后台技能链路中。
当前首期支持三大方向：
“任务中心”是异步生产控制台。用户提交后可以离开生成页，随时回看状态、进度、失败原因，并支持取消与重试。对教育类内容生产来说，这比“页面卡住转圈”更接近真实平台体验。
典型状态大致是：
生成成功后，系统会形成课件记录。作者可在“我的课件”中管理，提交审核；审核通过后进入“课件广场”，以公开资源形式被浏览和预览。
这样一次 AI 生成不再只是本地临时文件，而可以沉淀为：
管理后台覆盖用户、审核、统计和题型目录。管理员可以：
生成的课件是自包含单页 HTML。推荐两种打开方式：
server/uploads/lessons/<lesson-id>/index.html/lessons/:id/view 在系统内 iframe 预览
为什么适合
线面角是高中立体几何高频难点。学生常见问题不是“公式背不下来”，而是“空间关系脑补不出”。交互课件的价值，在于能旋转模型、切换镜头、分步高亮。
平台怎么处理
edu-solid-geometry生成效果
体感结论
为什么适合
化学里“看得到现象、说不清微观”是常态。电解水课件可以把分子结构、电极过程和原子守恒一起可视化。
平台怎么处理
edu-chem-reactionelectrolysis_water生成效果
体感结论
为什么适合
氧化还原既要看电子得失，也要看微观结构变化。动画课件可以把“谁失去电子、谁得到电子”讲得更直观。
生成效果
可继续扩展的反应题型
为什么适合
解析几何最怕“只会背结论，不会看参数变化”。edulab 的解析几何技能提供参数滑块与实时重算，适合讲范围、定值、面积最值等问题。
平台怎么处理
适合场景
一句话概括：
不是让 AI 随便生成一个“好看网页”，而是让立体几何能转、解析几何能拖、化学反应能看守恒——不同学科按自己的交互逻辑出课件。
结合 2026/08/01 升级后的定位，我更关注四道门：
这验证了一个很实用的结论：
Coding Agent 的价值，不在于“第一版一次写对”，而在于“能不能把长任务持续推进到可验收交付”。
对个人开发者来说，这种模型更适合：
这次开发与实测下来，AI Teaching EduLab 更有价值的地方，不只是“能生成课件”，而是把 edulab 三大交互技能做成了可复用系统：
立体几何的旋转观察、解析几何的参数推演、化学反应的微观守恒，都能走同一套生产链路，但保留各自学科的交互方式。
对个人开发者来说，这条链路也说明一件事：用 doubao-seed-evolving 这类偏 Coding / Agent 的模型，不只是写几段页面代码，而是可以把“开源技能 + 参考架构 + 业务约束”推进到“能登录、能生成、能审核、能预览”的完整业务系统——前端 React/Vite、后端 Express、异步 Worker、本地 edulab + Python/sympy，共同支撑起这条链路。对老师和学生来说，本次流程里更明显的收益在于：减少部分前端开发与重复搭建成本，把更多精力放回题型本身。实际提效幅度会因题型难度、环境配置和人工审校要求而不同。
如果你也在做教育内容生产，或者想把 Agent 能力落到真实业务里，这个方向值得继续打磨——先把一个题型跑通，再把一个学科技能沉淀成目录，最后形成可持续更新的课件广场。完整项目源码在这里，欢迎下载使用与二次开发：hailaobao2026/ai-teaching-edulab。
再次提醒：本文为个人实测记录，不构成购买建议或教学效果承诺；公开使用前请完成内容审校与信息脱敏。
文章来自于"海虎哥AI编程"，作者 "sunny wangwang"。
【开源免费】AutoGPT是一个允许用户创建和运行智能体的（AI Agents）项目。用户创建的智能体能够自动执行各种任务，从而让AI有步骤的去解决实际问题。
项目地址：https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目，只需要输入一句话的老板需求，MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色，包括产品经理 / 架构师 / 项目经理 / 工程师，MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址：https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md