企业官网建设流程全解析

做培训这么多年，我最大的内耗其实不在讲台上，而在讲台下。一个公式要反复核对排版，一套习题要翻遍资料、绞尽脑汁变式，一章教材改完格式够喝两壶茶。直到我把 WorkBuddy 和 Obsidian 组合起来，从公式教材到自动出题这条路才算真正走通。这套流程帮我省下的时间，几乎相当于每周多出整整一个工作日。这篇文章就把我的完整做法、踩过的坑、可以直接抄走的提示词模板全部拆开来讲，适合培训讲师、课程开发、知识付费从业者，以及所有需要频繁产出教学材料和题目的人。

1. 项目整体设计：为什么偏偏是这两个工具

1.1 培训讲师的真实痛点

做技术类培训的人应该都有体会，最耗精力的往往不是讲课本身，而是开课前的教材准备和课后的练习设计。我负责的课程涉及大量电路公式和计算推导，过去写一份讲义，公式要一个一个在 Word 里调整格式，稍不注意编号就乱；出题更不用说，既要保证覆盖面，又要控制难度梯度，还要准备变式题防止学生直接背答案，一套单元测试卷从构思到成稿，大半天是常态。

更难受的是资料散落各处。讲义在 A 文件夹，题目在 B 文档，历年的真题又在一个古老的压缩包里。找资料的时间往往比写东西的时间还长。我需要的不是一个功能大而全的编辑工具，而是一条能把内容生产链路串起来的流水线。

1.2 选型逻辑：本地优先与AI辅助的互补

我用 Obsidian 的时间不算短，选择它作为内容中枢有三个硬理由：一是纯本地存储，Markdown 格式终身可读，不怕平台跑路；二是内置 LaTeX 公式渲染，这对理工科教材是刚需；三是标签、双链和属性的组织方式，天然适合做知识库管理。

WorkBuddy 在这个链路里扮演的是“生产加速器”的角色。它能接入本地知识库内容作为上下文，支持通过规则设定和技能模板来控制输出质量，还有会话记忆能力。我把它当作一个熟悉我课程内容、能记住我风格偏好的助手，而不是一个什么都能聊的通用聊天机器人。两个工具的分工很清晰：Obsidian 负责内容存储、结构和最终呈现，WorkBuddy 负责内容的生成、改写、校对和题目制作。

1.3 闭环工作流的整体框架

整个工作流可以压缩成一条流水线：原始素材进入 Obsidian 知识库，打上标签和属性；WorkBuddy 读取笔记内容，生成讲义初稿和题目草稿；人工在 Obsidian 里校对、修改、定稿；最后通过导出工具输出为 PDF 或 Word 交付。

这套流程最值钱的地方在于：所有内容资产都在沉淀。每做一轮培训，知识库就厚一层，题量就多一批，越往后制作新教材的压力越小。这比单纯“用 AI 写点东西”要深刻得多，本质上是把个人经验结构化、资产化。

2. 环境准备与工具配置：先把地基打牢

2.1 Obsidian 仓库的目录与标签设计

很多人用 Obsidian 失败，不是因为软件难，而是因为仓库结构混乱。我的做法是顶层按功能分区，不按课程堆砌。

目录结构大致如下：

培训知识库/ ├── 00 资源区/ # 模板、图片、参考素材 ├── 10 讲义区/ # 按课程分章节存放讲义 ├── 20 题库区/ # 每题一个笔记，按题型和知识点打标签 ├── 30 输出区/ # 最终导出的 PDF、Word 等成品 └── 90 归档区/ # 旧版本文档，只留不删

标签体系是这套知识库的真正骨架。我的标签分四个维度：课程名称、文档类型、题型、知识点难度。比如一道关于基尔霍夫电压定律的计算题，会被打上#课程/电路基础、#类型/题目、#题型/计算题、#难度/进阶四个标签。这样后续想找“电路基础中所有进阶计算题”只需要一个筛选，三秒出结果。

2.2 WorkBuddy 的接入方式与规则配置

WorkBuddy 的接入在实操中需要把 Obsidian 仓库作为一个本地知识库路径绑定，这样它才能读取笔记内容作为上下文。不同版本的入口名称可能略有差异，但核心思路一致：给 AI 一个“可以翻阅的资料室”。

接完之后，最重要的一步是设定规则。我发现如果不定规则，AI 输出的内容基本没法直接用，AI 味儿太重。我目前的核心规则是这么写的：

• 所有公式一律使用 LaTeX 语法直接输出，不要用图片或文字描述。
• 禁止出现“作为一个人工智能模型”“仅供参考”之类的自述性表达。
• 行文使用第一人称或中性教学口吻，不要反复使用“首先”“其次”“综上所述”等连接词。
• 题目的错误选项要具备合理性，不能一眼看出是错的。
• 根据我提供的讲义内容出题，不得脱离讲义空泛发挥。
• 同一张试卷中的题目不得重复考察同一个公式的同一个变形。

这些规则写进去之后，输出质量立刻上了一个台阶。很多人抱怨 AI 生成的教材和题目没法用，多半是规则没定好。这就像带新人，你不告诉他你的标准，他就永远按他自己的方式来。

2.3 常用插件与基础设置

Obsidian 这边我建议开箱即装几个插件：Templater 用来做讲义和题目的模板，Linter 统一格式化笔记，Dataview 可以按条件自动汇总题目清单。如果涉及讲义导出，Pandoc 插件配好之后可以直接把 Markdown 转成 Word 或 PDF，公式自动排版。

我踩过的一个坑是自动更新问题。Obsidian 偶尔会出兼容性故障，我遇到过一次插件版本冲突导致所有笔记打不开，后来把核心插件全部回退到稳定版本才恢复。建议不要追新，插件足够用就行，稳定压倒一切。

3. 公式教材制作全流程：从 LaTeX 到结构化讲义

3.1 在 Obsidian 里写公式的实用技巧

理工科教材的核心是公式。Obsidian 默认支持 MathJax，行内公式用$...$包裹，块级公式用$$...$$包裹。我的经验是行内公式与中文之间要留一个空格，否则有时候解析会出错。

写公式的时候要善于用对齐环境，比如多行推导用\begin{aligned}会清晰很多。举一个实际的例子，讲基尔霍夫电压定律时，方程组的写法是：

$$ \begin{aligned} I_1 + I_2 &= I_3 \\ R_1 I_1 + R_2 I_2 &= V_{in} \\ R_2 I_2 - R_3 I_3 &= 0 \end{aligned} $$

这里有个容易踩的坑：\text{}里面不要放中文，否则部分环境下渲染会出问题。需要中文说明时，建议单独写一行文字，或者改用\mathrm{}加英文。

3.2 用 WorkBuddy 批量生成与校对公式内容

我的做法是把课程笔记的要点丢给 WorkBuddy，让它按照我提供的讲义框架来扩写推导过程。比如我会输入“请根据以下知识点推导串联谐振的条件，输出格式为：结论公式、推导过程、物理意义说明，公式全部用 LaTeX”，然后就能拿到一份初步稿件。

但这里必须强调，AI 生成的公式初稿绝对不能直接信任。我让 WorkBuddy 生成过三次推导，有一次漏了一个负号。所以我的流程是：AI 生成 → 我复核关键推导步骤 → 把整章公式粘贴到 Obsidian 里看渲染效果 → 对照参考书校验最终公式。WorkBuddy 在这里真正的价值不是替代我的专业判断，而是把从零写草稿的时间从两小时压到二十分钟。

3.3 讲义模板与批量产出策略

我用 Templater 建了一个讲义模板，每次新建一章课程笔记，自动带上固定的头部信息，包括课程名、章节号、学习目标、公式总结、例题区、习题区。这样做的好处是每章结构统一，后续组装教材时不需要重新排版。

讲义定稿后，导出我通常走 Pandoc 转 Word 的路线。转换前需要确认一个细节：Obsidian 里的双链写法[[笔记名]]在导出时如果不处理，Word 里会留下方括号。我的做法是导出前在模板里统一规范，讲义文件内用普通链接替代双链，标题层级用#而不是[[#]]来锚定。

4. 自动出题的核心实现：从提示词到题库资产

4.1 题型设计与难度控制逻辑

自动出题不是让 AI 胡编，而是要建立起一套出题逻辑。我的题型分成四类：单选题负责基础概念辨识，计算题负责公式运用，简答题负责原理阐述，综合题负责跨章节能力考察。难度上按比例配比，基础 30%、中等 50%、挑战 20%，这样一套试卷才符合教学检测的基本要求。

控制难度最关键的做法是给 AI 提供样本。单纯说“来一道中等难度的计算题”，它给出的很可能是一道简单题。我整理了一个题库资源区，放了几道我非常满意的题目作为“标准样本”，在提示词里让 WorkBuddy 参照样本的思维强度和设问方式出题。这是出题质量提升最有效的一个操作。

4.2 自动出题提示词模板（可直接抄走）

这是我目前用的完整出题提示词，每次出卷直接套用，效果稳定：

【角色】你是一名有15年教龄的电路基础课程讲师，擅长按照教学大纲出题。 【任务】根据以下讲义内容，设计一套章节测试题，共20题。 【题型分布】单选题10题、计算题6题、简答题4题。 【难度分布】基础约30%，中等约50%，挑战约20%。 【要求】 1. 每道题需标注考核知识点，写在题后括号内； 2. 单选题错误选项要具有合理性，长度与正确选项接近； 3. 计算题采用不同数字、不同电路结构，不得重复同一变式； 4. 答案与解析统一放在试卷末尾按序号列出； 5. 公式一律用 LaTeX 格式书写； 6. 严肃专业，不要出现“很棒”“当然”之类的口语。 【讲义内容】 （粘贴对应章节的 Obsidian 笔记内容）

这套提示词的关键在于：角色、任务、约束、格式、内容来源五件套齐全。少任何一块，输出都会打折扣。尤其是“内容来源”这一项，很多人的提示词里没有写清楚“根据哪份材料出题”，AI 就只能靠自己的记忆瞎编，出来的题自然跟你的课程对不上。

4.3 题库管理与批量组卷

题目生成之后不能堆在一个文档里，否则两轮热身后又是一团乱麻。我的做法是：一题一个笔记文件，文件名格式为“题目编号-题型-知识点-难度”，然后在 YAML 属性区里记录答案、解析、来源章节和上次使用时间。

Dataview 插件在这里起了大作用。我可以写一个查询语法块，自动列出“电路基础课程中所有难度为进阶且未使用过的计算题”，生成临时组卷清单，顺着清单复制拼接就是一套新试卷。这套做法让我每次考前临时加题、换题只需要十分钟，不需要翻历史文档。

5. 实操中的常见问题与排查技巧：真实踩坑记录

5.1 Obsidian 公式渲染失败的几种典型场景

公式不显示是教材制作中最高频的故障，大部分原因是语法问题。最典型的一种是行内公式使用了中文全角括号或者公式与汉字之间没有空格，MathJax 解析时直接把$当作普通符号处理。解决方案是统一用半角标点，并且公式两侧留英文空格。

另一种情况是使用了 MathJax 不支持的宏包命令。我曾经写物理学里的矢量，用了\hat{i}和\vec{r}的组合，在某个主题下显示异常。排查思路是先把命令简化到最小可以复现的情况，逐个测试，确定是命令本身的问题再换等价写法。比如\mathbf{}通常比\boldsymbol{}稳，而\bm{}在 Obsidian 默认配置下不一定支持。

5.2 WorkBuddy 输出带 AI 味怎么压下去

“AI 味”这个问题几乎人人都遇到过，具体的表现是：总爱写“作为AI模型我无法提供……”、堆砌连接词、逻辑上显得过度礼貌、题目选项的干扰项太弱智。我用三招解决：第一，在规则里明确禁止自述性表达；第二，在提示词里加“严肃专业，不要出现‘很棒’‘当然’之类的口语”；第三，也是最有效的，给 WorkBuddy 提供一段我写的范文，让它跟着范文的风格走。

有一次我连着两次生成都不满意，后来把一篇自己手写的讲义示例贴进提示词，要求“句长、用词、结构参照以上示例”，输出立刻正常了。这个办法比在规则里反复强调“接地气”有效得多。

5.3 同步、备份与缓存目录问题

WorkBuddy 默认的缓存路径往往在系统盘，长期使用会占掉不少空间。在 Linux 上我遇到过权限问题导致缓存报错，在 Windows 上则遇到过系统盘爆红。解决办法是在 WorkBuddy 设置里把缓存目录迁移到数据盘，路径最好用英文，避免中文路径在个别环境下引发字符编码问题。

Obsidian 的多设备同步我建议要么用官方付费的 Sync 服务，要么自己搭一个基于 Git 的同步方案。免费方案里用坚果云或 OneDrive 同步整个仓库文件夹也是常见做法，但要注意：不要在手机上频繁编辑大型笔记文件，否则同步冲突会让你后悔莫及。我的实操经验是主工作固定在一台电脑，其他设备只读不改。

6. 这套方案带来的实际变化与进阶方向

6.1 效率变化的数据感受

我不太相信玄学式的“效率提升十倍”，但做了几轮对比记录之后，数据上的变化确实明显。过去改一章讲义的公式排版大概 2 小时到 3 小时，现在 AI 生成初稿加上人工校对，大概 40 分钟到一个小时。出题的效率变化更大，一套 20 题的章末测试题，以前是至少半天，现在从生成到筛选修订，一小时出头就能完成。

需要说明的是，这个效率是有前提的：知识库必须足够干净，讲义内容组织得足够好，提示词模板不是随便写一段话。前期的仓库搭建和模板打磨花了大概一个周末，之后每周都在往回赚这个时间。

6.2 这套库还能延伸做什么

知识库沉淀到一定规模以后，用途就不止于出题和讲义了。我尝试过让 WorkBuddy 基于讲义生成案例分析题、实验设计任务书和评分标准，效果都不错。Dataview 还可以做学员学习进度统计，把每个学员的错题记录成笔记，自动汇总薄弱知识点分布，这个思路很值得拓展。

如果你也做培训或者教学相关工作，我建议从今天开始就规划好你的知识库结构。前期多花点心思在标签、模板和规则上，后面每一次内容生产都在为下一次复用蓄力。我现在的体会是，工具链本身并不神秘，真正的杠杆在于把工作流设计成“一次沉淀、长期受益”的模式。可以不用一步到位，先从一份讲义加一套题目开始，跑通之后再逐步加模块。这套流程现在对我来说已经是日常的一部分，每隔一段时间回看旧讲义，都能顺手把它升级得更完善一些。