企业官网建设流程全解析

如果你也跟我一样，备考 DSH（德国大学入学德语考试）期间一直在用 WorkBuddy 屯词卡，那你大概率会遇到这个问题：词库越来越大，等到按考试主题整理备考材料时完全无从下手。workbuddy-to-dsh 这个转换工具就是专门解决这个场景的，它能把 WorkBuddy 导出的学习记录转成 DSH 备考用的结构化材料，包括分类词汇表、高频表达句库、口语话题卡和统计报告。我自己从安装到跑通全流程用了一整天，中间踩了不少坑，这篇就按实际使用顺序把完整过程写下来，适合正在用 WorkBuddy、准备考 DSH 的德语学习者参考，也适合需要批量整理学习数据的人作为思路借鉴。

1. 为什么要把 WorkBuddy 数据转成 DSH 备考材料

1.1 WorkBuddy 里攒的东西，跟 DSH 要考的东西是两套结构

WorkBuddy 这类学习工具的设计思路，是帮你快速记录学习过程中的碎片。我在里面记的东西大概有这么几类：

• 生词卡：单词、释义、一到两句例句。
• 听力练习里碰到的固定搭配。
• 阅读材料里摘出来的长难句。
• 口语练习时突然想到的句式。

这些记录最大的特征是：它们跟着学习时间线走，而不是跟着考试维度走。比如前几个月我跟着教程学，标签用的是"第1课""第2课"这种；后期开始啃新闻和播客，标签又变成"新闻+环境""博客+科技"。时间一长，标签体系完全失控。

DSH 考试需要的是另一套结构。它的词汇不是按课文排的，而是按主题领域排的。写作和口语需要有观点表达句库，听力需要学术场景的高频提示词，阅读需要能快速定位的长难句训练。如果你直接拿着 WorkBuddy 的原始导出数据去复习，会出现几个问题：

• 环境相关的词散落在几十个课程标签下面，根本拉不齐。
• 同一个词出现三次，原形、变位、派生词，统计时还当成三条。
• 例句有些是完整句子，有些只是一个名词短语，做口语卡时根本没法直接用。

这是我备考第三周的真实状态：软件里攒了 3000 多条内容，但真正按 DSH 模块开始复习时，能直接用的不到一半。当时硬着头皮用 Excel 筛了两天词汇表，最后还漏掉了一堆口语表达。

1.2 DSH 备考材料的三个刚需，手工整理为什么效率太低

DSH 备考材料有三个方面是硬需求，手工整理的性价比很低。

第一个，按主题域拉词汇表。DSH 阅读和写作话题高度集中在几个固定领域：Studium 与 Wissenschaft、Umwelt 与 Nachhaltigkeit、Technik 与 Digitalisierung、Gesellschaft 与 Integration、Wirtschaft 与 Arbeit、还有 Gesundheit。每个主题下需要几百个核心词汇，最好按词频排好序，高频优先背。问题是你从原始标签里根本分不出来哪些词归属于哪个领域。

第二个，按考试模块拆句库。同样是" Ich bin der Meinung, dass..."这种表达，用在口语表态、议论文写作、听力速记里，侧重点完全不同。WorkBuddy 的原始数据里没有这个维度，它只记录"什么时候遇到的"和"当时的标签是什么"。

第三个，可量化的复习进度。3000 条词卡到底覆盖了多少环境词汇？C1 难度以上的占比是多少？没有统计报告，你根本不知道自己的薄弱面在哪。手工数的话，数完都该考试了。

这三件事手工都能做，但不是不能做的意思，而是投入产出比太低。我当时在 Excel 里按标签逐项筛，一百多个标签一个个看，还要手工合并近义标签，两天下来眼睛都花了。这种重复性、机械性的工作，本来就应该交给一个固定逻辑的转换工具。

1.3 workbuddy-to-dsh 到底做了什么：不是搬家，是重新结构化

我的理解，workbuddy-to-dsh 的核心逻辑并不复杂，总共三步：

1. 读取 WorkBuddy 导出的记录，按字段解析成统一的中间格式。
2. 通过内置的标签映射表，把用户自定义标签归一到 DSH 常考主题域。
3. 按模板生成备考材料，词汇表、句库、口语卡、统计报告各一份。

关键是第二步和第三步的设计。标签映射解决的是"分类混乱"的问题，输出模板解决的是"材料形态不匹配"的问题。你给它一条原始数据，它输出到词汇表里就已经是被整理过的形态了。

举个例子，我在 WorkBuddy 里存的是：Umwelt / die Nachhaltigkeit / nachhaltige Entwicklung / 新闻 / C1。转完之后在词汇表里看到的是：主题：Umwelt | 词条：die Nachhaltigkeit | 用法：nachhaltige Entwicklung | 语料来源：新闻类听力 | 难度：C1。

这个思路其实不限于德语学习工具，任何"记录格式"和"使用格式"不一致的场合，都需要这么一层转换。只不过 workbuddy-to-dsh 把 DSH 备考的领域知识直接做进了默认配置里，这也是我选它而不是继续用 Excel 的原因。

2. 在动手转换前，先把环境和测试数据准备好

2.1 运行环境与依赖

workbuddy-to-dsh 目前是 Python 写的，所以第一步是确认本机有没有 Python 环境。

python3 --version pip3 --version

建议使用 Python 3.9 以上版本。我在 3.10 环境下跑得没问题，有朋友反馈 3.7 上存在部分依赖兼容问题，旧版本就别折腾了，直接升级解释器更省事。

如果你平时用 conda 管理环境，建议单独建一个虚拟环境，别跟其他项目的依赖混在一起，否则 pandas 版本冲突能卡上半小时。建虚拟环境的方法看个人习惯，我用的是 venv：

python3 -m venv w2d-env source w2d-env/bin/activate

Windows 下的激活命令是w2d-env\Scripts\activate，激活成功后命令行前面会出现(w2d-env)前缀，这一步能确认环境已经切过来了。

2.2 安装 workbuddy-to-dsh 的两种方式

方式一，直接 pip 安装。既然项目已经发布到 PyPI，一条命令就搞定：

pip install workbuddy-to-dsh

方式二，从源码仓库安装。如果你是从代码托管平台上看到这个项目的，clone 下来本地安装：

git clone https://git.example.com/path/to/workbuddy-to-dsh.git cd workbuddy-to-dsh pip install -e .

两种方式我优先建议方式一，前提是你能确认安装的版本里包含convert子命令。装完之后跑一下：

workbuddy-to-dsh --help

如果输出里列出了convert、validate、build-theme-map这些子命令，说明版本没问题。我最初装过一个很老的提交，里面只有convert，没有模板定制功能，排查了半天才发现是版本问题。

2.3 先用 3 条测试数据验证流程

正式转换之前，强烈建议先跑一遍测试数据。这一步能帮你把环境问题和数据问题分开，省得后面面对大文件时自我怀疑。

先建一个test_export.csv，手工放 3 条词条：

topic,word,meaning,example,source,level Umwelt,die Nachhaltigkeit,可持续性,Wir müssen die Nachhaltigkeit der Landwirtschaft sichern.,news,C1 Studium,die Vorlesung,讲座,Die Vorlesung beginnt um zehn Uhr.,campus,B2 Technik,die Automatisierung,自动化,Die Automatisierung verändert die Arbeitswelt.,news,B2

然后跑一次最小转换命令：

workbuddy-to-dsh convert -i test_export.csv -o test_output/ --format md

看到输出目录里有vocabulary_umwelt.md、vocabulary_studium.md、vocabulary_technik.md这些文件，说明链路是通的，后续对真实数据操作才有把握。这一步花不了五分钟，实际价值很大。

3. 从 WorkBuddy 导出数据：转换前必须搞懂的一步

3.1 WorkBuddy 的导出格式与字段说明

不同版本的 WorkBuddy 导出字段可能不完全一样，但大多数词库类工具都会包含这些核心字段：

这里最需要注意的是word字段，它是必填的。其它字段缺失最多是生成的材料不完整；但word缺失或全空，转换程序会直接跳过这条记录，并在统计里标记为 invalid。

导出格式我建议优先选 CSV 而不是 JSON。CSV 可以用 Excel 或 VSCode 快速预览，方便在转换之前就发现问题。导出完成后，用文本编辑器打开文件，检查一下表头字段是否跟上面表格对应得上，不一致就先手动改表头。

3.2 导出后先看这几点

第一，看编码。Windows 下导出的 CSV 经常是 ANSI 或 GBK 编码，直接按 UTF-8 读，德语特殊字符会全部变成乱码。正确做法是先用文本编辑器打开文件，看右下角编码类型。如果不是 UTF-8，可以在转换命令里加--encoding gbk参数，也可以先另存为 UTF-8 再喂给工具。

第二，看空字段。在 Excel 里筛选一下 example 列，看看空格占比。如果 70% 的词条都没有例句，后面生成的口语话题卡基本是废的。这种情况只能在 WorkBuddy 里先补一批例句再导出，或者接受词汇表里出现大量空白位。

第三，看标签数量分布。用数据透视表统计 topic 列，数一下你有多少个不重复的标签。如果超过 30 个，基本就要认真写映射表了。我的旧数据里"环境""环保""Climate""Klima"四种标签其实都指向同一个主题，这就是需要归一的典型情况。

3.3 自定义标签与 DSH 主题域的映射关系

workbuddy-to-dsh 内置了一套默认映射表，覆盖常见的标签写法，大约是这样：

默认映射能覆盖一部分情况，但每个人自己的标签系统大概率跟默认表对不上。所以工具提供了自定义映射文件，格式是 JSON：

{ "环境": "Umwelt", "环保": "Umwelt", "Climate": "Umwelt", "气候": "Umwelt", "大学": "Studium", "学业": "Studium" }

然后在转换命令里指定：

workbuddy-to-dsh convert -i workbuddy_export.csv -o output/ --theme-map my_mapping.json

映射没有覆盖到的标签，会全部归入uncategorized主题。最后你会拿到一个vocabulary_uncategorized.md，里面就是要手动整理的剩余部分。我第一次全量转换时，3000 多条里跑出来 444 条未分类，就是因为映射表写得太抠。

4. 核心命令与参数：跑通一次完整的转换流程

4.1 命令与参数说明

工具的核心子命令是convert，常用参数可以按三组理解：输入输出、映射与过滤、输出格式。

参数之间是叠加关系。比如需要指定编码、使用自定义映射、保留空例句，一条命令写完就行：

workbuddy-to-dsh convert -i export.csv -o my_dsh/ \ --encoding gbk \ --theme-map my_mapping.json \ --exam-level C1 \ --keep-empty-examples true \ --format md

建议先用workbuddy-to-dsh convert --help看一下你安装版本的实际参数列表，不同版本之间可能有细微差异，别把这里当唯一标准。

4.2 完整示例：把 3000 条词卡变成 DSH 备考包

拿我自己当时那批数据举例，文件是workbuddy_202402_export.csv，里面 3124 行有效词条。我执行的命令是：

workbuddy-to-dsh convert \ -i workbuddy_202402_export.csv \ -o dsh_202402/ \ --theme-map my_mapping.json \ --exam-level C1 \ --dedupe true \ --format md

运行过程中的输出大致是这样：

[INFO] 读取文件: workbuddy_202402_export.csv [INFO] 共读取 3124 条记录，其中 8 条无效 [INFO] 标签映射完成：2680 条成功归类，444 条未分类 [INFO] 去重完成：去除 156 条重复词条，剩余 2968 条 [INFO] 按难度过滤后：C1 级别主要材料 2143 条，B2 级别辅助材料 825 条 [INFO] 输出目录: dsh_202402/ [INFO] 生成文件: [INFO] - vocabulary_umwelt.md [INFO] - vocabulary_studium.md [INFO] - vocabulary_technik.md [INFO] - vocabulary_gesellschaft.md [INFO] - vocabulary_gesundheit.md [INFO] - vocabulary_wirtschaft.md [INFO] - vocabulary_uncategorized.md [INFO] - phrases_hoeren_hochschule.md [INFO] - phrases_sprechen_meinung.md [INFO] - dsh_stats.json [INFO] 耗时 2.4 秒

这一步跑完，手里就是按 DSH 主题分类、带难度标注、带统计的备考底稿。我当时的第一感受是：两天手工没拉完的词汇，程序两秒跑完了。

4.3 进阶用法：自定义模板与 Anki 导出

如果对默认 Markdown 排版不满意，可以在当前目录放一个template_vocab.md.j2模板文件，用 Jinja2 语法控制每条词汇的展示方式。工具检测到模板文件后就会用它替换默认排版。

### {{ word }} **释义**：{{ meaning }} **例句**：{{ example }} **来源**：{{ source }} | **难度**：{{ level }}

如果你是 Anki 用户，把--format anki加上，输出就是两列 CSV：一列是词条含例句，一列是释义。直接导入 Anki 做卡片复习，比自己手抄快太多。

workbuddy-to-dsh convert -i export.csv -o anki_deck/ --format anki --exam-level B2

导入 Anki 时，字段分隔符按默认逗号处理，别勾选 HTML 转义，否则德语引号会被转义成"，卡片看起来会很难受。

5. 输出文件拆解：这份 DSH 备考包到底怎么用

5.1 分类词汇表的结构

生成的vocabulary_umwelt.md大致长这样：

## Thema: Umwelt（环境） | 词条 | 释义 | 例句 | 难度 | | --- | --- | --- | --- | | die Nachhaltigkeit | 可持续性 | Die Landwirtschaft muss nachhaltig gestaltet werden. | C1 | | der Klimawandel | 气候变化 | Der Klimawandel betrifft alle Länder. | C1 | | erneuerbar | 可再生的 | Erneuerbare Energien werden immer wichtiger. | B2 |

这个表看起来简单，但排序逻辑是有讲究的：同主题内先按难度降序排，C1 在前；同一难度内按内置语料词频降序排。也就是说，越可能在 DSH 阅读题里碰到的词越靠前，复习时优先背它们。

如果你的 WorkBuddy 词条没有 difficulty 字段，工具会按词条长度和是否包含复合词做一个估算，标记为auto-C1或auto-B2。这个估算不一定准，建议导出前尽量在 WorkBuddy 里手动标好级别，实测效果比自动判断靠谱得多。

5.2 高频表达与听力句库

source 字段标记为听力（hoeren / campus / news）的词条，会额外汇总到phrases_hoeren_hochschule.md。这个文件按场景再分三块：课堂讲座、小组讨论、学术报告。每一块都保留原始上下文里的时间状语和连接词，方便你做听写时定位信息点。

听力句库我自己是这么用的：不做逐句背诵，每天挑 10 句做"听写、对照、跟读"三步。因为这些句子都来自自己记录过的内容，语境熟悉，比去外面买一套听力材料更能贴合现有水平。等这 10 句完全吃透，再换下一批。

5.3 口语话题卡的生成逻辑

phrases_sprechen_meinung.md是从 Gesellschaft、Technik、Umwelt 等主题下，抽取带有明显观点标记（meiner Meinung nach、ich bin überzeugt、einerseits/andererseits）的例句做成的。每一个话题卡包含三个部分：

• 话题模板，比如Sollte ... weiter vorangetrieben werden?
• 表态句，比如Ich bin der Meinung, dass ...
• 支撑论据，从你的例句库里匹配到的两三个真实论点句。

举个例子：

## Thema: Technik / Automatisierung Frage: Sollte die Automatisierung in der Industrie weiter vorangetrieben werden? Meinung: Ich bin überzeugt, dass die Automatisierung langfristig mehr Arbeitsplätze schafft. Argument 1: Die Automatisierung übernimmt gefährliche und monotone Tätigkeiten. Argument 2: Sie ermöglicht höhere Produktivität, was der gesamten Wirtschaft zugutekommt.

这里要特别注意：如果 WorkBuddy 里词条没有配套例句，口语卡就只剩话题框架，没有实际论据内容，复习价值大打折扣。这也是我反复强调例句字段不能为空的原因。

6. 实操中踩过的五个坑与完整排查思路

6.1 德语特殊字符全部变成乱码

我第一次全量转换，生成的词汇表里 ä ö ü ß 全变成了äö这种乱码。第一反应是工具坏了，排查之后才发现是编码问题。

排查链路是这样的：先用文本编辑器打开原始 CSV，确认是 GBK 编码；再检查工具默认读取编码，是 UTF-8；最后在命令里强制指定输入编码：

workbuddy-to-dsh convert -i export.csv -o out/ --encoding gbk

跑完再看输出，正常了。这里多说一句：GBK 编码下德语字符能正常显示，但转成 UTF-8 之后用 Excel 打开又可能乱码，所以我在保存最终输出文件时，又手动转存了一次 UTF-8。经验就是：所有文本类工程文件，统一用 UTF-8 是最省心的选择。

6.2 标签映射遗漏，主题"未分类"一大堆

有一次跑完转换，发现vocabulary_uncategorized.md里有 444 条，打开一看全是"环境""环境学""Nachhaltigkeitsthemen"这种跟环境相关的边缘标签。原因很简单：我映射表里只把"环境"和"环保"归到了 Umwelt，漏掉了"气候""Klima""Climate"这些近义写法。

排查链路也清晰：打开输出目录里的dsh_stats.json，看uncategorized_labels数组，里面会列出所有未命中的原始标签和各自数量。按数量从多到少补进映射文件，然后重新跑一次转换：

workbuddy-to-dsh convert -i export.csv -o out/ --theme-map my_mapping.json

补完之后，未分类从 444 降到了 37 条，剩下的确实无法归入任何 DSH 主题域，手动忽略就行。这里有个经验：映射表是一次性投入，后面每次新导出都能复用，值得花时间维护好。

6.3 同一单词的不同形态被当成多个词条

我的数据里lernen、lernt、gelernt、das Lernen同时存在。工具去重之后依然全部保留，因为它的简易去重只做完全匹配，不会识别德语词形变化。结果词汇表词条数虚高，复习时还会重复劳动。

排查链路：先看dsh_stats.json里的去重报告，确认确实是因为词形变化导致的；再决定处理方案。方案一是在 WorkBuddy 里导出前手动统一词条为原形，方案二找工具有没有词形还原开关，当前这个版本是不支持的。我最终用的是方案一的变体：批量导出后在 CSV 里用查找替换，把常见变位词尾统一掉。

这个坑本质上是录入习惯问题。后来我在 WorkBuddy 里立了一个规矩：单词一律存原形，词组按整体存，动词原型在括号里标用法，比如lernen (lernt, gelernt)。这样导出之后基本可以直接用，省掉了大量清洗功夫。

6.4 例句为空，口语卡内容空洞

--keep-empty-examples默认是 false，意思是无例句词条不会进入句库和口语卡。我一开始没注意这个参数，跑完之后发现phrases_sprechen_meinung.md里只有 12 个话题卡，对应的论据还全是空架子。

排查链路：回原始 CSV 统计 example 列空值率。我那批数据里 60% 的词条没有例句，就是因为在 WorkBuddy 里记录时偷懒了，只存了单词和释义。

解决思路分两步。短期，把--keep-empty-examples true打开，让词汇表至少保留这些词条，先保证词汇量覆盖；长期，在 WorkBuddy 里给高频词补例句，每次只补 20 条，一周就能把最核心的 100 个词条补完。补例句的过程本身就是复习，效率并不低。

6.5 大文件转换卡死

后来我把一年的学习数据都导出，文件接近 5 万行，一次性执行 convert，跑了十几分钟没反应，最后直接内存不足退出。原因在于工具的去重逻辑会把全部数据加载进内存，重复比较时开销偏高。

排查链路：先缩小输入范围。WorkBuddy 支持按日期区间导出，我就改成按月导出，每次 4000 到 6000 条，转换时间控制在几秒内。跑完再用简单脚本把多个输出合并。

如果你必须一次性处理 5 万条以上的数据，建议先确认有没有流式处理相关的参数，我后来在更新版本里见过类似能力，但不是默认开启的。分批转虽然麻烦一点，但稳定不崩溃，我之后就一直是按季度导出、批次转换、最后合并输出的固定流程。

7. 一点使用体会：工具能帮你提效，但代替不了备考本身

跑通整个流程之后，我对"学习数据转备考材料"这件事有了几点真切体会。

第一，工具带来的最大收益不是省时间，而是逼着你把数据结构化。以前我在 WorkBuddy 里加词条，标签想怎么打就怎么打；后来为了让映射表稳定，我会下意识在记录时就把标签归到标准清单里。数据规范了，后面所有处理和复习都顺畅了。

第二，转换生成的词汇表是备考底稿，不是最终材料。我自己还会继续加工，比如给口语话题卡补充两个自己的例子，给听力句库按难易度重排。工具负责把碎片整理成有序的架子，架子上怎么挂东西，还是要自己动手。

第三，映射表建议当成长期资产维护。我现在的 my_mapping.json 已经有超过 80 组标签映射，每次 WorkBuddy 导出新数据，跑转换命令时直接复用，基本不用改。这比每次整理 Excel 都重新做一遍分类要轻松太多。

最后分享一个小技巧：如果你也像我一样平时会在 WorkBuddy 里存不少新闻标题做阅读素材，转换完成后不妨多留意一下vocabulary_uncategorized.md。这里面往往藏着一些不在 DSH 大纲里、但非常实用的当代德语表达，顺手抄到自己的积累本上，也算意外收获。