做培训讲师的都懂，一份公式教材的排版比写PPT还耗人。理工科、金融考证、医学统计这类课程，满屏的希腊字母、积分号、矩阵符号，手动敲一遍LaTeX就要半天；更别说给学生出题了，换个数字又是一次新计算，改个条件又是一版新答案，来回折腾到深夜，题量还没凑够。
这套组合是我过去几个月实际跑通的一条降本流程：用WorkBuddy作为AI内容工作台，把Obsidian当知识库和教材容器，本地Markdown格式做中间流转，实现公式教材半自动化生产和批量出题。
先说结论，再说怎么做。整套流程下来，我出一套30题的随堂练习，从选题、生成、验算到整理成可交付的PDF，时间从原来的6小时左右压到了40分钟；一份200页的公式教材，从零到可印刷状态，周期从两周缩到3到4天。这篇文章把完整的思路、目录设计、实操步骤和踩过的坑都写出来，适合理工/金融/医学方向的一线讲师、课程开发者、培训机构的教研人员，也适合所有对“AI写文档+本地知识库”这个工作流感兴趣的人。
1. 为什么是“WorkBuddy + Obsidian”而不是 Word + 题库App
1.1 先看清讲师真正的时间花在哪
很多讲师觉得忙，但仔细拆一下时间账，会发现真正花在教学设计和内容讲解上的精力并不多，大量时间蒸发在三个地方。
第一是文档排版。公式教材不是纯文字，它涉及大量的上下标、分式、根号、矩阵，用Word的公式编辑器一个个点选，慢且容易错。第二是题目加工，上课用的练习题和考试卷，需要反复调整难度、更换数据、重新计算答案，本质是大量重复劳动。第三是内容管理，往年教材、课件、题库散落在不同的文件夹和网盘里，想找一段历史例题得翻半天，更谈不上把知识点和题目关联起来。
想降本增效，就得先搞清楚：这三块里，哪些工序可以被工具替代，哪些必须保留人的判断。我的答案是——排版交给Markdown和LaTeX，重复出题交给AI，而人的精力留给选题方向、难度校准、案例设计和内容审核。
1.2 Obsidian的核心优势不只是“笔记软件”
接触Obsidian的人，很多第一时间把它当成“又一个笔记软件”，实际上它的价值在别处。
首先是本地优先。所有内容以纯文本Markdown文件保存在你自己的电脑里，不依赖某个云端平台，数据不会因为平台调整而丢失，检索速度也快。其次是公式支持，Obsidian内置MathJax渲染，把我写的LaTeX公式直接变成规整的数学排版，这一点碾压大多数在线笔记工具。再次是双链体系，每章知识点、每道例题都可以通过双链关联起来，后期想找“和正态分布相关的所有题目”，点一下反向链接就全出来了。
真正让它成为教材工作台核心的，是灵活的元数据。每篇笔记顶部可以写Front matter——章节、难度、学科、状态等结构化字段，配合Dataview等社区插件，还能自动生成教材目录、题库清单和章节知识点地图。它不像数据库软件那样难上手，但又能满足“粗颗粒度知识管理”的需求。
1.3 WorkBuddy在流水线里扮演什么角色
AI工具不少，但WorkBuddy让我留存下来的原因是它足够“工作台化”。它不是一个简单的对话框，而是能配置成和本地目录打交道的AI助手：指定工作目录后，可以读取我的Markdown资料，批量处理文件，通过自定义指令和技能（Skill）完成重复性任务。
放在这个项目里，它的角色是“内容生产的加工厂”：把原始素材转成结构化的LaTeX教材片段；从已有的知识库里抽取题目模式并批量生成；按照Front matter规范输出标准的题库文本。说白了，Obsidian是仓库，WorkBuddy是加工车间，仓库和车间之间流动的“零件”，就是统一格式的Markdown文件。
有人会问，直接用ChatGPT之类的不行吗？也能用，但区别在于：通用对话工具不“知道”你的知识库结构，每次都要复制粘贴大量上下文，输出格式还要反复调。WorkBuddy的好处是可以把规则前置，把常用的提示词封装成技能，一次配置、反复调用，同时也支持本地文件读写，减少复制粘贴的次数。
1.4 一条清晰的降本链路
整条流水线可以概括为四个环节，我建议所有想复现的人先把这个框架搭起来再动手：
- 原始素材输入：收集历年教材、教案、PDF讲义、手写公式截图。
- WorkBuddy加工：把素材转成统一的LaTeX/Markdown格式，按照预设模板组织，并批量生成题目。
- Obsidian聚合管理：用双链、Front matter、标签完成知识点之间、知识点与题目之间的关联。
- 多格式输出：从Obsidian导出讲义PDF、习题册和参考答案，也可再生成可编辑的Word版本交付。
这四个环节里，最需要你亲自把关的是第一和第四环，中间的内容加工可以放心交给AI做初稿，因为初稿质量往往不错，审校成本远低于从零开始写的成本。
2. 环境搭建与目录设计：90分钟打好地基
2.1 Obsidian的5个关键配置
软件装好后，先别急着往里塞内容，把基础配置做好，后面会省非常多事。
第一，打开核心插件中的“模板”功能，指定一个模板目录。用模板来规范每篇笔记的初始格式，比如新章节的标题层级、Front matter字段、章节小结的位置。
第二，开启MathJax渲染。Obsidian默认支持LaTeX公式，但有几个开关需要确认：在设置里搜“数学”，确保“MathJax”语法渲染生效。建议把行内公式用$...$，块级公式用$$...$$，后续导出的兼容性最好。
第三，安装Dataview社区插件。它不是必需品，但在管理题库时价值很大。比如我想列出《概率论》第三章所有难度为“中”的选择题，一条Dataview查询就能动态生成清单，省去频繁翻文件的精力。
第四，建议开启“自动更新内部链接”等功能，方便重组章节时不用手动修链接。另外，如果单位允许，可以用Git插件做版本管理，每改完一版教材就提交一次，哪天改崩了还能回溯。
2.2 目录结构：一个Vault装下全部教学资产
Obsidian里一个Vault是一个独立知识库。我建议讲师们不要用来装所有私人笔记，专门建一个“教学知识库”的Vault，目录设计得越清晰，后期自动化越好做。
这是我目前稳定使用的结构：
Teaching-Vault/ ├── 00-Inbox/ # 临时素材和未整理内容 ├── 01-教材/ │ ├── 高等数学/ │ │ ├── 第1章-极限与连续/ │ │ └── 第2章-导数与微分/ │ └── 概率统计/ ├── 02-课件与讲义/ ├── 03-题库/ │ ├── 按章节/ │ └── 按题型/ ├── 04-公式模板库/ ├── 05-模板/ └── 99-归档/注意两个容易被忽略的设计：一是00-Inbox必须有，所有杂乱素材先丢进去，不要直接写到正式目录，等WorkBuddy清洗完再移动；二是题库目录不仅按章节分，同时要在每道题目的Front matter里写清题型和难度，这样后续可以靠Dataview按任意维度组合抽题。
2.3 WorkBuddy的接入配置与工作目录设置
WorkBuddy安装后默认会有一个工作目录，这个目录可以理解为“AI角色能看到的文件范围”。建议直接把它指向Obsidian的知识库目录，或者指向其中一个子目录，比如素材处理区。
配置时注意几个点：第一，将工作目录调整成自己的Vault路径，相当于让AI直接“看到”你整理好的章节文件和公式模板，生成内容时才能贴合实际；第二，把常用输出格式写进自定义指令里，比如规定“所有数学公式一律使用LaTeX语法，并置于双美元符号块中”；第三，如果软件有“技能（Skill）”功能，把出题流程封装成固定技能，下次只要拖文件进去就能跑，省去重复写提示词的时间。
还有个细节：建议在WorkBuddy里设置“先生成初稿，不要直接覆盖原文件”的习惯，所有AI产出先放到00-Inbox或者专门的“待审校”目录里，由你确认后再移动到正式目录。AI生成内容再强，直接覆盖源文件的风险也不值得冒。
3. 公式教材生产：从零到交付的完整工序
3.1 让AI把零散素材转换成合规LaTeX
这里说的“素材”范围很广，可能是旧版PDF，可能是网上的截图，也可能是一张手写的推导草稿。Obsidian本身不能识别公式，WorkBuddy的价值就在这个场景里体现出来——把不可编辑的内容转成Markdown+LaTeX。
我的操作是：先把素材文件放入00-Inbox，然后在WorkBuddy中发起一条指令：“读取该文件，识别其中的数学公式，以LaTeX形式输出；正文部分用Markdown结构输出；不要添加额外解释；行内公式用单美元符，独立公式用双美元符并单独占行。”多处理几次后，可以把这段指令保存为“PDF转教材Markdown”技能。
实际处理效果如何？以PDF教材扫描件为例：识别准确率在清晰排版下能达到较高水准，但由于PDF文字层存在断裂，个别公式的上下标位置会错位。所以一定要明确一条流程纪律：“AI格式转换后，必然肉眼抽查一章再批量处理”，尤其注意分式、求和上下限、矩阵换行这类容易出错的结构。
3.2 建立自己的公式模板库
处理完几次教材后，你会发现很多公式是重复出现的。比如高等数学里的极限定义、导数公式、泰勒展开，统计学里的正态分布密度函数、卡方检验统计量等。与其每次都让AI重新写一遍LaTeX，不如沉淀一套公式模板库，放在04-公式模板库目录。
模板文件不用复杂，每个公式单独成篇，用Front matter标记所属课程和章节，正文写好LaTeX代码并附一行注释，说明变量含义。比如这样：
--- type: formula course: 概率统计 chapter: 正态分布 tags: [连续型分布, 密度函数] --- ## 正态分布密度函数 $$ f(x) = \frac{1}{\sigma\sqrt{2\pi}} e^{-\frac{(x-\mu)^2}{2\sigma^2}} $$ 说明：μ为均值，σ为标准差。使用时重点检查分区间的参数代入。有这套模板库后，后续教材和题目里出现同类公式，直接让WorkBuddy参考对应模板填充参数即可，既保证格式统一，又减少出错概率。
3.3 双链构建知识点网络，顺带生成章节地图
纯线性阅读的教材，知识点是“一页翻一页”的。但讲师视角下，知识是网状的：极限连着导数，导数连着极值，极值又连着应用题。Obsidian的双链机制，恰恰适合把这种网状关系记录下来。
我的习惯是，在每章首页底部写“相关知识点”，用[[导数定义]]这样的双链把章节串联。同时在每道题目的正文末尾加一行“考察知识点：[[极限计算]]”，这样后期打开任意知识点页面，反向链接面板里就能看到所有关联题目，出试卷时按知识点筛选素材非常顺手。
这个习惯养成后，你等于拥有了一张动态的“课程知识地图”。教材改版时，只需移动或修改个别知识节点，关联内容会实时更新，比维护一份Excel索引省心得多。
3.4 从Obsidian导出可交付的PDF和Word版本
教材最终要拿给学生使用，所以导出环节不能马虎。Obsidian自带的导出PDF功能已经能很好地渲染LaTeX公式，但有几个细节要调：页面边距、页眉页脚、字体大小，建议在导出前用CSS片段调整打印样式。更重要的是，Obsidian导出PDF时不会自动生成带章节目录的导航书签，如果教材页数多，需要靠模板和标题层级保证结构清晰，这样导出后读者才能按照规定层级跳转浏览。
如果单位强制要求交Word版本，也可以走“Pandoc导出”插件，将Markdown文件批量转成docx。转换后，公式会变成Word的公式对象，排版有效率损失，但至少是可编辑的。我的建议是：对外交付以PDF为标准版，Word版用于对方二次修改时再转换，减少重复维护成本。
4. 自动出题：把6小时的组卷时间压到40分钟
4.1 题库的“数据模型”设计：Front matter先行
自动出题最忌讳的是一堆杂乱无章的纯文本题目。想用好AI批量化，先定义好题库的数据结构。我统一用这样一组Front matter字段管理每道题：
--- id: Q-2025001 course: 高等数学 chapter: 导数与微分 type: 计算题 difficulty: 中 source: 2024期中改编 status: ready tags: [复合函数求导, 链式法则] ---字段含义不复杂：type用来区分选择题、填空题、计算题；difficulty控制难度分级，推荐“易/中/难”三档，别搞太多档，AI很难稳定区分；source注明题目来源，方便追溯；status标记题目是草稿还是定稿。有了这套字段，配合Dataview查询，你可以随时按条件抽题组卷，而且数据越规范，后面交给WorkBuddy生成新题时上下文越清晰。
4.2 三步法：让WorkBuddy批量产出高质量新题
很多人用AI出题失败，根本原因是提示词太笼统——直接说“帮我出5道微积分题”，AI给出来的题目同质化严重，难度不可控。我把出题固化成了三步流程。
第一步，喂样本。从已有题库里挑2到3道质量高的题目，粘贴给WorkBuddy，让它分析题目结构和难度，也就是“模仿风格”。第二步，给考点清单。明确告诉它本次出题覆盖哪几个知识点，例如“复合函数求导和隐函数求导各出一道”。第三步，提格式要求。要求前端字段齐全、公式用LaTeX、答案和解析放到文末，并标记题目难度。
完整的指令模板我大概写成这样：
根据以下要求批量生成4道高等数学计算题，章节为导数与微分，难度均匀分布在易/中/难。 要求： 1. 每题必须包含Front matter字段，格式符合题库规范； 2. 题干、参考答案、解析在正文中分三段组织； 3. 涉及公式一律使用LaTeX并在独立行中展示； 4. 每题设置一个可变参数，用a、b、c占位，方便后续随机换数； 5. 请参考样本题的命题风格。 样本题如下： [粘贴2~3道已有典型题]这套流程跑通后，我基本不再手工逐题编写题干，而是批量生成初稿，再人工审核数据是否正确、表述是否严谨。注意，这道工序后一定要有人工审题环节，AI生成的题目并非都能用。
4.3 参数化随机出题：一套题干生成N个版本
试卷最大的需求不是“出题”，而是“改版”。同一知识点，相同难度，今年用这组数，明年换另一组数。靠人工改数字非常枯燥，效率也低。
解决思路是参数化。编写题干时，把具体数字用字母占位，然后在WorkBuddy的指令里要求它生成多组参数。比如某题原题干：“求函数 f(x)=2x^3-3x^2+1 的极值”，参数化后变成：
求函数 f(x)=a x^3 + b x^2 + c 的极值，其中 a≠0。然后让WorkBuddy按规则生成若干组(a, b, c)，比如(2, -3, 1)、(1, -6, 0)，每组参数自动配套参考答案和解析。这样一份试卷可以快速演变出A、B、C卷，用于补考、重修、防抄袭都很方便。
这里有个实操要点：参数取值范围要给定约束，避免出现“函数无极值”“分母为零”“根号下为负”这类让题目失效的情况。比如二次函数求极值，让参数满足a<0或a>0的明确分类，保证题意自洽。
4.4 让AI生成答案与解析：一个防止“幻觉答案”的关键设置
AI出题真正的拦路虎不是题目本身，而是答案算错。尤其是复杂计算题，直接让AI输出答案，出错率不低。我的方法是把“出题”和“做题”拆成两步。
第一步，让WorkBuddy只生成题干和参数；第二步，单独对每道题下达“独立解算”指令：“请作为数学老师，独立计算该题，并给出一步步推导过程。”如果AI第一次算出一个答案，把它当作“解题员”；此时再用另外的会话或另一轮指令要求“请从零开始重新解答并校对”，检验两次结果是否一致。两道工序互相印证，能显著降低答案错误率。
你还可以更进一步：把典型的解题规则写进WorkBuddy的自定义指令里，例如“复合函数求导必须先用链式法则展开再代入数值”“定积分计算后必须用导数验证”，这样AI输出解析时会自觉遵循这些规则。审题时，不要每题都验算，重点验算高难度计算题和带有多种解题路径的题。
5. 高频问题与避坑实录（实操Q&A）
5.1 Obsidian中公式渲染出现乱码怎么办
这类问题的典型表现是：公式在WorkBuddy里看着正常，一粘贴到Obsidian就变成一串代码。原因多半是格式不对，比如行内公式和独立公式用了中英文混排的美元符号；或者是分式写法不规范，例如没有花括号包裹多字符分子分母。
最稳妥的做法是统一规则：所有数学公式使用半角美元符号，行内公式前后各一个，独立公式前后各两个，公式和中文正文之间留一个空格。另外，Obsidian有时识别不了一对公式中夹杂的换行符，尤其在矩阵或分段函数中，请确保整个块级公式内部没有缩进引起的多余空行。
5.2 WorkBuddy生成的Markdown和Obsidian不完全兼容
AI生成Markdown时常常顺手用一些Obsidian不支持或效果不好的语法，比如某些扩展表格语法、不规范的告示块、嵌套过深的列表。还有的时候会输出连续的---分隔线，和Front matter解析产生冲突，导致文件元数据错乱。
解决办法是在WorkBuddy的自定义指令里，提前写入“输出必须符合Obsidian兼容Markdown规范”。同时批量处理时，别直接倒入正式题库目录，所有AI产物先落到00-Inbox，用Obsidian打开后看一遍渲染效果，再归档到对应目录。
5.3 自动出题重复率太高，甚至出现雷同题
AI在没有明确约束时会倾向于返回它“见过”的常见题，表现出来就是：考点相同、数值相近、题干句式高度雷同。解决思路有三个方向。
一是给“新意指令”，例如要求“改变情境背景，将题目从工程应用场景变换为经济管理场景”；二是做“参数约束”，要求随机数值落在具体区间且与历史题目不同；三是建立“查重机制”，在题库里用Dataview列出同章节、同难度的现有题目，快速审一遍新题有没有和旧题“撞脸”。查重不必做语义级比对，看题干主变量和数值是否符合即可。
5.4 缓存目录和工作目录搞混，文件越存越乱
WorkBuddy有缓存目录的概念，和前面说的工作目录是两回事。缓存目录存放的是程序运行时的临时文件，不建议把它指向教学Vault，否则Vault里会混入大量非笔记文件，导致Obsidian索引变慢。工作目录才是真正的“文件操作区域”，指向Vault的素材处理目录即可。
如果发现缓存目录占用空间过大，可以在软件设置里单独调整缓存路径，把它挪到系统盘之外的目录，比如D盘或移动硬盘。注意调整后需要重启软件并确认自动加载技能、自定义指令等配置没有丢失，再开始正式工作。
5.5 快速排错速查表
| 问题现象 | 可能原因 | 解决建议 |
|---|---|---|
| 公式在Obsidian显示为源码 | 美元符号中英文混用或公式块内部有空行 | 统一半角符号，删除块内空行 |
| Front matter解析失败 | 多个---分隔线干扰识别 | 用模板固定格式，尽量避免AI生成额外分隔线 |
| WorkBuddy生成的题答案错误 | 跳过独立验算步骤，直接输出答案 | 强制两步法：先解题，再重新校验 |
| 题目重复率高 | 未指定情境差异和参数范围 | 增加“换情境”指令，约束随机参数 |
| 导出PDF公式被截断 | 页面边距过大或公式过长 | 调小边距，必要时用aligned环境换行 |
| Vault里有大量程序缓存文件 | 工作目录与缓存目录混淆 | 调整缓存路径，工作目录保持干净 |
最后再分享一个让这套流程持久好用的小习惯
流程跑通后，真正让效率持续提升的不是工具，而是“素材回填”。我每周会把学生作业和考试中出现的高频错题整理成纯文本丢进00-Inbox，然后让WorkBuddy读取这批错题，提取“易错点标签”，更新到教材对应章节的两链注释里。这样下一轮出题时，AI的知识库会带上有真实教学反馈的信息，题目会出得更有针对性。
另外一点个人体会：这套组合的价值不在于某个单点能力，而在于打通了“AI生成—本地沉淀—按需抽取”的闭环。很多讲师工具用了一堆，但文件和文件之间是断的，AI输出的内容没有地方沉淀，更谈不上复用。把Obsidian当作教学资产的唯一仓库，把WorkBuddy当作可重复调用的加工车间，你会明显感觉到，同样一个学期的工作量，自己能腾出的整块时间变多了。
