1. 先算一笔账讲师的时间到底被什么吞掉了我干了八年培训最熟悉的一个画面是深夜十一点讲师办公室里还有人在跟Word里的公式编辑器死磕。隔天要上讲台手头教材第三章的公式还没排完章节练习的三十道题只出了八道——剩下的不是不会出是实在没时间出。很多讲师其实没认真算过自己的时间开销。拿一门四十课时的专业课来说做教材、讲义、习题集的隐性投入往往是课时数的五到十倍。这中间最不值得花的钱是花在重复劳动上的时间。同一类积分题翻来覆去出同一套公式说明在教材、PPT、习题册里各写一遍同一批题型年年都是手工改数字——这些活儿的共同点是技术含量不高但极其耗时。我自己试过各种省时间的手段题库软件、模板网站、AI对话工具零散着用。问题是工具之间不打通AI生成的题目还得手动整理成文档公式粘贴过来格式就乱教材和题库各存各的知识点到底覆盖了没有心里没数。折腾一圈下来省下来的时间又赔在工具切换上。真正让我把这事想明白的是看到有人把笔记工具和AI工作台组合起来用Obsidian管知识沉淀WorkBuddy管内容生产中间用一套我们能控制的规则串起来。这才有了今天这篇文章想讲的东西——一套从公式教材到自动出题的完整工作流。这套组合适合谁适合手里有课程要长期经营、教材和习题要反复迭代的培训讲师、企业内训师也适合内容要做成知识库长期复用的教学运营人员。先说个结论这套流程跑通后一章四小时的教材配套习题从零到定稿我能控制在半天以内。以前这个数字是三到四天。差别不在于AI帮我写了多少字而在于我不再为一件事来回切换工具、反复调整格式、重复核对覆盖度。2. 工作流的整体设计知识仓库和生产车间分离这套方案的核心逻辑一句话就能讲清楚Obsidian是仓库WorkBuddy是车间两者之间靠结构化的约定来交接。这个分工不是拍脑袋定的是基于两类工具各自擅长什么。2.1 为什么让Obsidian管知识沉淀Obsidian这类本地Markdown笔记软件最大的特点是所有内容都是纯文本、结构化、可检索的。对于公式教材这种内容形态来说这一点特别香公式用LaTeX语法写在Markdown里不依赖任何编辑器私有格式。今天用Obsidian写明天换Typora打开后天导出PDF格式都不会崩。更关键的是Obsidian的双链和标签体系。教材里的知识点天然是一个网极限和导数连在一起导数又连着极值和积分。用双链把这些关系标出来到出题阶段就能顺着关系网去查覆盖度——哪些知识点出过题哪些还没出过一目了然。我见过有人把整个教材直接丢进一个超大Word文件里公式、图片、注释全堆在一起。这不是知识库是黑箱。真正的知识库要能拆能合能拆到具体知识点也能按需组装成章节内容。Obsidian的块引用和嵌入机制恰好能做这件事。2.2 为什么让WorkBuddy当生产车间WorkBuddy这类工具本质上是一个可以把AI能力编排成固定生产流程的工作台。它的价值不在于聊天时回答得多聪明而在于能按你设定好的规则稳定地产出内容生成什么样的教材段落、按什么标准出题、用什么语气表达、公式输出成什么格式——这些都能通过自定义指令和规则提前定好。打个比方Obsidian像是原料仓库里面分门别类码好了公式、定义、例题、常见错误。WorkBuddy则是流水线工人AI不会自己乱发挥而是按照操作规程自定义提示词和规则从仓库取料、加工、质检、出成品。两者的边界一定要划清楚。有人犯的错误是让AI边写边回存到笔记库看起来效率很高结果笔记库越来越乱。我的经验是单向流动Obsidian里的结构化内容作为输入WorkBuddy产出新内容后我审核完再手工回存到Obsidian。仓库里的每一条内容都是经过确认的这样AI每次读到的东西质量是可控的。2.3 教材到试题的三层流转模型再说说具体怎么流转。我把它拆成三层第一层是知识点层。这是最小的颗粒写在Obsidian的每条笔记里一个概念、一个公式、一个典型例题、一个常见错误。每条笔记有清晰的前缀标签例如#知识点/导数/链式法则。第二层是教材层。教材里的每一节通过Obsidian的嵌入机制把知识点笔记组装起来。组装出来的是一段完整的、能直接用于教学的Markdown文本包含了公式、解释和过渡句。第三层是习题层。出题时不从白纸开始而是基于知识点层里的公式、例题和常见错误做变异和组合。WorkBuddy按照题型规则从第一层提取素材生成题目、答案和解析再标记该题考查了哪些知识点。这套模型的好处是每一道题都能追溯回教材里的来源教材里的每一个知识点都能查得到有没有对应的题。教材修一版习题可以跟着自动调整——公式改了出题规则引用到的素材也就同步换了。3. WorkBuddy配置实战把通用工作台调教成教材生产线工具选型定了剩下的就是配置。WorkBuddy刚装好的时候它只是个通用工作台离“教材生产线”还差得远。我花了一个下午把规则和流程调好之后每次使用基本都是点几下按钮、审核一遍内容的事。3.1 先建独立的工作区别和别的任务混在一起我建议给教学任务单独建一个工作区。原因很简单不同任务的提示词、规则集、上下文是完全不同的。写营销文案的规则放到教材编写场景里出来的东西带一股不合适的推销味出题规则和代码生成规则混在一起AI容易在题目描述里冒出毫无必要的英文变量名。建立工作区时我顺手把缓存目录也改了。默认缓存路径在系统盘攒久了数据量大不说有时候改动过的笔记没及时更新到缓存里AI读到的是旧内容。我把缓存目录指到了专门的数据盘空间足、路径清晰出问题也好排查。这里有我踩过的一个小坑WorkBuddy刚下载完是英文界面的很多同事以为没有中文版就去装乱七八糟的汉化包。其实设置里有语言选项直接切过来就行。别浪费时间在那些来路不明的汉化补丁上。3.2 用自定义指令消除“AI味”培训教材最怕AI味。什么叫AI味就是一段话讲完概念之后非要补一句“总之掌握这个概念对后续学习具有重要意义”这种正确的废话。或者每个自然段结构完全一样读起来像机器写的。我给WorkBuddy定的第一条规则就是废除所有总结句和过渡句的套话模板。规定得很具体每段话必须直接给出可操作的结论或定义不得使用“值得注意的是”“综上所述”“在当今数字化时代”这类表达解释公式时必须给出一个生活化类比和一个完整算例否则视为不合格输出。定规则这件事最忌讳的就是模糊。你写“请写得专业一些”AI不知道什么叫专业。我后来把规则细化成清单式的条目每条对应一种实际见过的糟糕输出。这样配置完之后生成内容的质量稳定了几乎不需要二次返工。3.3 把Obsidian的笔记库挂载进工作台这一步是整个配置的关键。WorkBuddy默认是读不到你本地Obsidian笔记的需要建立连接。具体方式不同版本略有差异但思路一致把Obsidian的库目录授权给WorkBuddy让它能索引和读取Markdown文件。我做的时候是在WorkBuddy里添加了本地知识库路径指向Obsidian的库文件夹。链接完成后WorkBuddy就能检索到里面所有带知识点前缀的笔记。这一步最容易被忽略很多人配置完WorkBuddy发现它回答问题时什么都懂就是不懂你的教材根源就在这里——它没有读到你本地的东西。连接之后还有一步校准每次操作前我会在指令里明确“请先检索知识库中#知识点/导数前缀的笔记再基于这些内容生成”强制AI把输出锚定在指定素材上而不是凭训练知识泛泛而谈。这样做出的习题和教材跟通用大模型直接生成的最大区别是它和你手里实际的授课内容和例题风格完全对齐。4. Obsidian端的知识库设计公式教材的“原料仓库”怎么搭知识仓库的搭建比看起来重要得多。很多讲师用Obsidian就是随手记今天记一条明天记一条标签乱打文件名随便起。这样的库别说AI读不明白自己过两周再看也是一头雾水。知识库的质量直接决定了WorkBuddy生产内容的水平上限——垃圾进垃圾出。4.1 笔记命名规范让文件名具备自解释能力我的命名规则是[章节]-[知识点]-[类型].md。举例来说04-导数-链式法则-定义.md04-导数-链式法则-例题.md04-导数-链式法则-常见错误.md好处是显而易见的打开文件夹不用点进去扫一眼文件名就知道里面是什么WorkBuddy检索关键词时也能通过文件名快速定位相关笔记。这个习惯坚持起来不难但收益巨大。我曾经有一整个库的笔记叫“导数1”“导数2”“未命名1”这种名字后来想整理成出题素材库光是重命名就花了一个晚上。现在凡是入库的内容命名不对的直接不收。4.2 公式卡片写清定义、算例、类比、易错点知识库里的公式卡片是给AI出题的核心素材我建议每张卡片固定包含五个部分数学定义用LaTeX写清楚公式本身例如\[ \frac{d}{dx}(u(v)) u(v) \cdot v \]。生活化类比把这个公式比喻成什么帮助理解和生成解释性内容。链式法则我就常比喻成“剥洋葱”——从外往里一层层求导。完整算例一道带全部步骤的例题WorkBuddy出题时可以拿它当模板换数字、换函数结构生成新题。常见错误学生最容易在什么地方出错。比如链式法则漏乘内层导数这是出“判断题”“找错题”的素材来源。适用范围与限制这个公式在什么条件下才成立什么情况下不能乱用。这是出“辨析题”的富矿。每条卡片都用Obsidian的frontmatter写好元信息包括标签、所属章节、难度等级。比如--- tags: [知识点, 导数, 链式法则] 章节: 04 难度: 中 ---这样做的好处是WorkBuddy读取时能拿到结构化信息生成题目时可以精确过滤难度和章节。4.3 标签体系与双链把知识点织成网标签和双链是Obsidian的灵魂但在教学知识库里要克制地使用。我的经验是标签只做维度划分不做细节描述。比如#知识点标记这是基础内容卡片#例题标记这是题目类内容#难度/基础#难度/进阶标记出题难度#章节/04标记所属章节双链则用来标知识点之间的依赖关系。我在“链式法则”笔记里会写上[[复合法则]][[基本初等函数导数表]]这种链接表示它依赖哪些前置知识。这套关系网对出题特别有用WorkBuddy可以顺着关系找出“考链式法则时同时需要以基本初等函数导数表为前置考点”的组合题素材。我见过有人标签打了几百个一个词语一个标签最后标签本身比笔记还难查。标签是索引不是目录要克制。4.4 同步策略本地为主网盘/同步盘兜底Obsidian的同步问题经常有人问。我的方案比较笨但很稳主力机器上全量保存用同步盘做第二份备份方便在另一台电脑上查看。注意同步盘上不要常开多端同时编辑——Markdown虽然没有格式冲突问题但文件级冲突依然存在。我都是出门前手动同步一次到了教室用只读模式打开参考回办公室再在主力机上更新。另外建议定期把整个库压缩存档。资料是讲师吃饭的家伙一个学期结束时把整个Obsidian库打包存一份命名带上日期。这招在硬盘出问题时救过我的命成本也就是一分钟的事。5. 自动出题的实现提示词要怎么设计才不跑偏有了原材料和车间接下来是投产。自动出题的核心不在AI本身而在提示词。设计得好的出题提示词能保证AI按你的教学逻辑走设计得不好出来的题目要么太简单要么超纲要么题目表述不严谨典型错误里的“错误”其实没错。5.1 题型分层概念题、计算题、综合题要分开出我先把题目分成三个层次每个层次有不同的生成逻辑概念题考查对定义的理解。素材来源主要是公式卡片里的“定义”和“适用范围”。典型形式有判断对错、选择正确解释、分析某结论是否成立。计算题考查对公式的运用。素材来源是“完整算例”。典型形式是变换函数结构和数字保留解题框架。综合题考查多个知识点的联合运用。素材来源是双链构成的知识点网络。典型形式是把两到三个公式串起来比如既要用链式法则又涉及隐函数求导。三个层次对应三个不同的提示词模板不要混在一个提示词里让AI自由发挥。自由发挥的结果通常是难度忽高忽低题型五花八门但都不够精确。5.2 出题提示词模板直接可抄的版本下面这个是我目前用得最顺的一个计算题出题模板结构化程度高AI不太容易跑偏角色你是一名严谨的数学培训讲师。 任务基于提供的知识点笔记生成5道关于{链式法则}的计算题。 要求 1. 每题从素材中选一个不同的函数结构幂函数、指数函数、三角函数等。 2. 数字范围控制在简单可心算的范围内避免出现又大又复杂的整数。 3. 必须写出完整解题步骤每一步的公式推导都不能跳步。 4. 在参考答案后列出该题考查的具体知识点并用#知识点/xxx格式标记。 5. 难度分为基础3题、进阶2题。 输出格式 题目描述 | 完整解析 | 知识点标记注意几个关键点限定角色、限定任务、限定数量、限定难度分布、限定输出格式。这五件事我都踩过坑——少限制了数量AI可以给你来二十道题少限制了难度分布它只会出最简单的套公式题少限定了知识来源它就凭记忆乱编函数结构容易出现教材里根本没讲过的题型。5.3 生成之后的人工校验闭环自动出题不等于AI出完题直接发给学生。我定了一个“三查”流程第一查知识准确性所有公式、答案、推导步骤逐项验证。AI在数字计算上偶尔会犯低级错误这个不能省。第二查表述规范性题干里有没有歧义表述符号和教材上的写法是否一致单位有没有漏中间过程有没有跳步嫌疑第三查考核意图这道题到底在考什么和教学目标对齐没有如果一道题学生用背题目的方式就能做出来那它考的不是能力是记忆。我用一个校验记录表每条新题都过一遍再入库。校验项通过标准处理方式公式正确性与教材定义完全一致有误则退回修改计算无误步骤可验算有误则重算难度匹配与标记难度相符不符则调整标签考核点清晰至少对应一个#知识点标签模糊则补充说明解析完整无跳步、无“显然”跳步则补全这个过程不是浪费时间它恰恰是“人机协作”的价值所在AI负责批量生产讲师负责质量把关。效率提升来自批量生产的部分而不是省略质检的部分。5.4 从单章出题到整卷组装单章题目生成之后整卷组装的逻辑就顺理成章了。我建了一个“试卷模板”笔记里面有章节和题型分布的结构要求。每次组卷时把各章的题目按模板要求拉取汇总再用WorkBuddy做一遍难度和覆盖度的快速检查。具体做法是给WorkBuddy一条指令“请检查以下20道题的章节分布和难度分布统计每个章节各占多少分难度基础中档进阶的比例是多少有没有章节完全没出题。”这种元层面检查AI做得很熟练输出一张统计表我再根据统计表调整选题。这一步做完整个“教材到试卷”的闭环就通了。教材改了重新从教材章节拉取素材出题考完试把学生错得多的题目标记回知识点笔记下次这个知识点出题时AI会优先改编成类似题型强化练习。6. 落地过程中的那些坑排查链路实录配置这套系统不是一帆风顺的前面后后踩了不少坑。挑几个有代表性的写出来按我实际排查的过程复原大家遇到相似问题可以直接照这个思路走。6.1 公式在Obsidian里正常导出后乱码第一次把生成的教材内容回填到Obsidian预览正常但导出PDF时公式全乱。排查时最先想到的是导出插件的MathJax配置问题但检查后发现预览正常说明解析器在工作。往下查才发现是LaTeX语法兼容性WorkBuddy生成的公式里部分行间公式用了$$...$$写法而Obsidian里配置的主题和导出模板对这种写法支持不够稳定换成\[...\]之后就正常了。解决方式是在WorkBuddy的规则里明确加了一条“所有行间公式一律使用\[...\]格式禁止使用$$...$$所有行内公式一律使用\(...\)格式禁止使用$...$。”这个细节小但影响极大调完之后导出来再也没有乱过。6.2 WorkBuddy读到的教材内容总是旧版本这个坑比较隐蔽我排查了很久。情况是Obsidian里已经更新了某个知识点的定义WorkBuddy生成题目时仍然按旧定义来。一开始我以为是授权没走通反复检查库连接没有问题。后来发现是缓存索引没有及时重建。WorkBuddy在首次建立知识库索引后会生成一套缓存后续读取优先走缓存。Obsidian里的文件更新了缓存里还是旧版本。解决办法是改完Obsidian内容后在WorkBuddy里主动触发一次知识库刷新或者直接清掉缓存重建索引。之后我养成了习惯每天开始使用前先刷新一次缓存宁可多花一分钟也避免用旧素材生成一堆废题。6.3 出题重复率失控用同一套素材反复出题几十道之后相似度明显上升。我一开始试图通过提示词让AI“尽量创新”但效果不稳定。后来换了个思路控制素材丰富度而不是指望AI创意。我把知识库里的例题和算例数量做上去每个知识点至少配三到五个不同函数结构的算例卡片。WorkBuddy出题时明确要求“从三张不同例题卡片中各取结构”这样变异的空间大了重复率自然降下来。另外给每道新题编号并存入题库库文件夹在提示词中要求AI参考“已有题目编号列表”避免出到结构重复的题。6.4 知识点覆盖出现真空有段时间出的练习题翻来覆去都是那几个热门考点冷门但教学大纲里明确要求的部分总是没题。排查后发现问题出在知识库的标签上没有给大纲要求的每个知识点设置同等粒度的标签和卡片。教学大纲里写的是“导数应用”但我的库里面标签都是“极值”“单调性”这种WorkBuddy根本索引不到“导数应用”这个层面的覆盖情况。修复方式是建了一张覆盖度检查表把大纲要求逐条列出对应到具体的知识点笔记和标签。每次出完一整章习题用这张表逐项检查缺哪个补哪个。这属于教学管理的问题工具本身解决不了但配合上这张表就能闭环。有同事问我为什么我的题库看起来特别系统说白了就是这张表在起作用。7. 一点个人的体会收尾这套方案用了差不多两个学期最深的感受是真正降本增效的不是AI替代人写字而是把知识资产沉淀成了结构化、可复用的形态。以前写教材、出题每次都是从一张白纸开始现在是从一个越用越厚的原料仓库里取料加工。第一学期的搭建成本确实存在但第二学期开始每一轮教材迭代和出题组卷花的力气大概只有以前的三分之一。最后再分享一个小习惯每次用这套流程完成一章教材和配套习题我会把这一轮里改过的规则、补过的知识卡片、调过的提示词都记一次。这套系统本身也在迭代而且迭代得比课程还快。工具的价值不在于一开始配置得多完美而在于每用一次都顺手一点。你的第一版配置肯定有坑但跑起来之后会越来越贴合你自己的教学风格。