我带培训班这些年，最耗时间的从来不是站上讲台那两小时，而是上课之前的那些“看不见的功夫”：做一页带公式的讲义要反复调排版，一章习题要凑够难度层次，期末前还要再手工整理重点题库。这种重复性劳动不仅磨人，而且一忙起来就不想要质量。后来我开始用 WorkBuddy 和 Obsidian 搭了一套自己的流程，专门解决公式教材排版和自动出题这两件事，效果是真的明显：同样的内容，我从过去的一周准备时间，压缩到两个下午，而且材料质量更稳定。这篇文章是我自己踩完坑之后的完整实操记录，想认真整理一下公式类讲义和题库这件事的讲师，可以直接照着我的路子来。
我先说明这套组合的基本分工：Obsidian 负责内容底座和公式排版，所有讲义、章节、知识点、题目都以 Markdown 和 LaTeX 形式存在本地文件里；WorkBuddy 负责执行那些重复、批量、需要推理的工序，比如抓取知识点生成公式示例、按难度批量出题、把题目整理成统一格式。两者共用一个文件目录，WorkBuddy 读 Obsidian 的笔记，再写回新笔记，人在中间只做审校和决策。听起来不复杂，但里面值得抠的细节非常多。下面我把设计思路、具体步骤、参数配置、踩坑记录全都展开写，都是我能直接复用的实操经验，供同样被教材和出题折磨的同行参考。
1. 先想清楚：讲师做教材和出题的真正耗时点在哪
别急着装软件，先说需求。教材和题库这事，表面上看着是“写内容”，实际上时间都耗在三个地方：一是公式本身难维护，Word 里敲一个矩阵或分式，鼠标点来点去能耽误十分钟；二是题目需要反复改数字、换条件、调选项，稍微一改就得全盘重排；三是材料分散在微信、U盘、文件夹各版本里，上课前一天才发现讲义和题库对不上。
1.1 传统流程里的三个坑
第一个坑是公式和排版纠缠在一起。很多讲师习惯用 Word 或者 PPT 写公式，公式编辑器再熟练，遇到批量替换的时候也容易崩。比如把例题里的“成本 100 万”改成“成本 80 万”，连带计算过程和答句都要手动改一遍，极容易漏。第二个坑是出题没有复用性。一类题型今年出了，明年想换个数字重新出，基本等于从零再来，因为你没有把“题干模板”和“具体数值”分开。第三个坑是知识内容与输出形式没有分离。讲义、课件、随堂练习、考试卷，本质都是同一份知识的不同表达，但绝大多数人的做法是每份材料都重新做一遍，重复劳动。
1.2 为什么选中 Obsidian 当知识底座
我一开始也试过 Notion 和飞书文档，后来还是换回 Obsidian。原因很简单：它是纯本地 Markdown 文件，公式用 LaTeX 语法，不依赖网络就能渲染，文件系统完全透明，任何一个脚本、AI 工具都能直接访问。Obsidian 还支持 frontmatter 元数据，我可以在每页讲义头部写“章节、难度、知识点标签、是否已审校”，这些字段就是后面自动出题的检索依据。更重要的是，它的数据就是 txt 格式，不怕平台跑路，也不怕格式化升级，用十年也没问题。
对于公式类教材，Obsidian 的数学块渲染足够用。只要在设置里把 MathJax 打开，输入$$ ... $$写公式，阅读模式就能渲染成清晰的行间公式。配合 LaTeX 的分式、根号、矩阵、积分、极限这些常用命令，能覆盖培训课程里绝大多数数学公式场景。如果你教的是物流、财务、机械、数据分析这类偏应用型的课程，大概率不需要太复杂的排版，这套方案完全够用。
1.3 WorkBuddy 在这条链路里扮演的角色
WorkBuddy 在这里不是单纯聊天问答，而更像一个能按脚本干活的本地工作台。我会把一批指令固化成一个“技能”，比如“从知识点库生成公式讲义”“按指定难度批量出题”“把题目转成考试系统格式”。每次运行时，它读取 Obsidian 里相应文件夹的知识点，按我定义的流程生成新内容，再写到目标文件夹。
我当前用的 WorkBuddy 版本，核心是自定义指令和技能配置。你可以把它的“技能”理解成一套带流程提示词和输出规则的工作流：比如我告诉它“先读知识点，再生成 3 道基础题、3 道提高题，每题必须有题干、解析、难度字段”，它就会严格执行。因为输出了统一格式，落盘之后 Obsidian 会自动变成结构化笔记，之后想导入别的系统也只是复制粘贴的事。
2. 环境搭建：Obsidian 的公式排版与知识库结构
想把这套流程跑起来，先把环境弄扎实。很多讲师一上来就急着让 AI 生成本文，结果生成的内容没法渲染、也没法管理。我的建议是先把 Obsidian 的目录结构和公式渲染调好，再考虑接入 WorkBuddy。
2.1 Obsidian 里的 LaTeX 公式插件与配置
Obsidian 核心插件自带数学渲染，不需要额外装复杂插件。需要的步骤是：打开设置，找到“核心插件”里的数学开关，确保公式能渲染。如果你想在笔记里直接用 Latex 快捷输入，可以装一个 Latex Suite 之类的插件，它支持=+字母这种快捷片段，比如输完=后输入fr会自动变成\frac{}{}。这种快捷方式对经常写公式的讲师来说特别省时间。
我自己的公式模板分成行内和行间两种情况。行内公式用$...$，比如“当 $x > 0$ 时，函数单调递增”；行间公式用$$...$$，单独成段。Obsidian 对这两种渲染都很稳定，最需要留神的是中文和公式之间的空格，建议统一约定公式前后各留一个空格，避免排版挤在一起。一组高颜值的讲义，公式之间的节奏也非常重要，行间公式不要连续铺太多，否则阅读体验会像一串算式堆在一起。
2.2 教材库的文件结构设计
文件结构是整套流程的地基，我调整过三轮，最终用一个比较稳定的分层方案：
课程根目录/ 01-章节讲义/ 01-第一章/ 01-知识点清单.md 02-公式速查表.md 03-讲义正文.md 04-例题集.md 02-题库/ 01-基础知识/ 02-提高进阶/ 03-综合应用/ 03-课程包/ 讲义导出.md 随堂练习.md 测试卷.md这套结构有三个好处：第一，每个章节的知识点是独立文件，出题时可以直接读“知识点清单”里的标签和重点；第二，讲义正文和例题集分开，课程更新的时候不用整体乱动；第三，题库按难度分成三个目录，考试组卷时能按难度权重取题。WorkBuddy 要做的操作，就是往这些目录里填充内容，不会打乱我原有的手写笔记。
在 Obsidian 里，我还会给每个知识点文件用 frontmatter 打标签。比如下面就是一个典型的知识点文件头部：
--- 名称: 一元二次方程判别式 章节: 第1章 标签: [方程, 判别式, 基础] 考点: 计算判别式并判断根的情况 难度: 基础 ---这些元数据字段非常关键。自动出题时，WorkBuddy 是通过这些字段来锁定知识点的，如果标签不统一或者写错，生成的题目就会跑偏。强烈建议讲师在开始前就定好“章节、标签、考点、难度”这套字段的填写规则，宁可前期多花十分钟，后面能省半天。
2.3 把 WorkBuddy 接进 Obsidian 的几种方式
WorkBuddy 和 Obsidian 的连接不靠什么高深的API，本质上就是共用同一个本地文件目录。最朴素的方式是 Obsidian 的仓库直接指向 WorkBuddy 的工作目录，WorkBuddy 写完 Markdown 文件，Obsidian 自动刷新显示。如果你的 WorkBuddy 版本支持自定义工作路径，最好把“工作目录”和 Obsidian 的 Vault 路径设成同一个文件夹，省去同步。
如果版本支持插件或命令行调用，还可以在 Obsidian 里用 Templater 把 WorkBuddy 的输出封装成模板按钮，点击按钮就触发一次出题流程。不过我不建议一开始就搞这套，先用文件目录这种方式跑通流程，等熟悉了再添加插件层。有一点要注意，Obsidian 默认会缓存文件索引，WorkBuddy 生成新文件之后，Obsidian 偶尔不会立刻显示在侧栏。我会把 Obsidian 的文件刷新间隔调短，或者手动按一下刷新按钮。
3. 公式教材自动化的核心实现
环境准备好之后，真正的重头戏是怎么把“公式教材”这件事交给 WorkBuddy 半自动完成。我不用它一次性写完整本教材，那质量基本不可控。我采用的方式是：让 WorkBuddy 基于成熟的知识点清单和公式速查表，生成讲义初稿、例题和排版建议，然后我把重点放在公式和逻辑的审校上。
3.1 给 WorkBuddy 设计“公式教材技能”
我习惯把常用操作写成“技能”的形式。一个完整的公式教材技能，至少包含四个部分：输入条件、生成流程、输出格式、禁止事项。下面这条是我给 WorkBuddy 写过的提示词模板，文字不复杂，但把边界限定得很清楚：
技能名称：章节公式讲义生成 执行步骤： 1. 阅读指定文件夹下的《知识点清单.md》 2. 对每个知识点，生成一段通俗解释，不少于150字 3. 每个知识点补充至少2个公式，用LaTeX行间公式展示 4. 针对每个公式，编写1个实际应用场景例题，并提供分步解析 5. 输出文件命名为“03-讲义正文.md”，写入课程根目录/章节文件夹 禁止事项： - 不得修改原始知识点文件 - 不得生成超出该章节范围的内容 - 公式必须使用LaTeX语法，并用$$包裹 - 例题数字要贴近实际业务场景，不要凭空编造这里的关键不是让 WorkBuddy 自己发挥，而是让它在固定轨道上干活。你可以看到我没有让它“写好整本讲义”，而是让它“按知识点生成解释和例题”，这样每个产出都短小、可控、容易校验。等它生成完，我再在 Obsidian 里打开阅读模式检查渲染效果，把不合适的公式或例题直接改掉。
3.2 用模板批量生成课件框架
公式教材的另一个大头是课件框架。我现在会给每一章建一个统一的模板，内容顺序固定为：章节目标 -> 公式速览 -> 典型例题 -> 课堂练习 -> 小结。WorkBuddy 每次只填充新章节的知识点，不重新设计结构。这里体现的其实是“模板思维”：把结构和内容分离，重复劳动交给工具，讲师只需要关注内容的准确性。
我实际执行过一轮 16 小时的《供应链成本管理》课程，里面涉及线性规划、运输问题、经济订货量这些公式密集型内容。我先花一小时写好模板和一个章节的示例，然后让 WorkBuddy 按同样格式把后面九章全部生成了初稿。这个过程中，公式速览部分尤其适合自动化，因为同一公式在不同章节出现的频率很高，比如利润公式、成本分摊公式、目标函数，WorkBuddy 可以从公式速查表里直接引用，保证各章口径一致。
3.3 公式排版与典型场景示例
在公式排版里，最常用的命令就那么几个。分式用\frac{分子}{分母}，下标用_，上标用^，根号用\sqrt{...}，矩阵用\begin{pmatrix} ... \end{pmatrix}。我用一个实际例子演示课程版的渲染效果：
经济订货量公式：
$$ EOQ = \sqrt{\frac{2DC}{H}} $$
线性回归目标函数：
$$\min \sum_{t=1}^{n}(y_t - (\beta_0 + \beta_1 x_t))^2$$
复利终值公式：
$$ FV = PV \times (1 + r)^n $$
这类公式在 Obsidian 里渲染得很干净，导出 PDF 或者打印也基本不会乱。WorkBuddy 生成的内容最容易出问题的点反而是“括号匹配”，比如花括号{}少写一半，公式会直接渲染失败。所以我会在提示词里加一条规则：所有 LaTeX 公式生成后，必须自己检查括号是否成对。这不是可选项，是必选项。
3.4 避免 AI 乱改公式和符号错乱的经验
我踩过最大的坑是让 WorkBuddy“优化”已有讲义，结果它把讲义里的公式变量名全改了。比如我原来写的C表示单位采购成本，它为了“统一术语”改成了P，后面所有题目解析也跟着变，导致整章材料的变量体系错乱。从那以后，我在技能里加了严格的规则：不修改已有公式变量；只新增内容，不改旧内容；如果发现公式错误，单独用批注反馈，不要直接改写正文。
另外，中文变量和英文变量之间要约定好。数学公式的变量建议统一使用英文符号，中文只出现在解释里。比如“某产品的单位成本为 C”，公式里写$C$，不写“$成本$”。否则 WorkBuddy 很容易在中文和英文符号之间来回改，统一性很差。你现在看我的讲义能发现，公式符号体系和文字解释已经形成固定习惯，这是用 AI 写教材时特别重要的一条底层规则。
4. 自动出题：从知识点库到随堂练习
教材搞定了，另一个重头是出题。这一节我把自动出题分成四步：定义题目格式，设定出题参数，批量生成解析，最后做去重和分层。如果你前面把知识点元数据建好了，这一步会非常顺手；如果没建，先回去补。
4.1 定义一个统一的题目格式
自动出题之前，先定题目格式。我用 YAML frontmatter 加固定正文结构，这样一个题目文件就是一条完整记录。下面是一道基础题的样子：
--- 题型: 选择题 知识点: 一元二次方程判别式 难度: 基础 章节: 第1章 选项数: 4 --- 题干：已知方程 $x^2 - 4x + k = 0$ 有两个不相等的实根，则 $k$ 的取值范围是什么？ A. $k < 4$ B. $k > 4$ C. $k < 3$ D. $k > 3$ 答案：A 解析：判别式 $\Delta = (-4)^2 - 4k > 0$，解得 $k < 4$。这套格式有三个好处：第一，WorkBuddy 按格式生成，不会漏字段；第二，Obsidian 可以通过 Dataview 插件按知识点、难度、章节筛选题目；第三，想导出到别的考试系统，只需要写一个小脚本把字段对应过去就行。你可以根据考试类型调整，但一定要在开始前固定下来，否则后面会越改越乱。
4.2 用 WorkBuddy 按知识点批量出题的三个参数
要批量出题，给 WorkBuddy 的指令必须足够精确。我一般会控制三个参数：题目数量、难度比例、知识点范围。例如：
出题需求： 知识点：一元二次方程判别式 题目数量：6 难度比例：基础3道、提高2道、综合1道 输出格式：按统一题目格式写入题库/02-提高进阶/ 要求：每题必须单独成文件，文件名以知识点+序号命名，禁止重复题。这样 WorkBuddy 会批量生成多个 Markdown 文件，并且自动放到对应目录。生成之后，我不会直接拿给学员用，而是先做一遍审题。每一道题我都会重点看三处：题干是否唯一、数字是否合理、答案是否有歧义。题目这东西不像讲义，错了影响很大，人工这一道工序我给你划重点，必须留。
批量出题时有一件事必须提醒：不同题型对知识点深度的要求不一样。选择题适合考定义和判断，计算题适合考公式套用，综合题适合考多个知识点的串联。WorkBuddy 生成题目时如果只按“知识点名称”出题，很容易把所有题都变成选题题。所以我会在出题技能里加上题型和考查方式的对应逻辑，否则生成的题会非常单调。
4.3 答案与解析自动生成
答案和解析是自动出题里难度最高也最容易被忽略的部分。很多 AI 工具生成题目时能给出正确答案，但解析写得太少，甚至绕开核心步骤直接给结论。我的处理方式是要求 WorkBuddy 在生成答案时，把步骤拆成“知识点依据、关键计算、最终判定”三块。比如解析里写：
- 判别式公式：$\Delta = b^2 - 4ac$
- 代入系数：$\Delta = 16 - 4k$
- 判定条件：方程有两个不相等实根，需 $\Delta > 0$
- 解得取值范围：$k < 4$
这样学员复习时能清楚看到每一步怎么来的。WorkBuddy 生成解析自然对自动化的贡献很大，但也容易出现“解析和题目数字不一致”的情况。我的排查方法是在批量生成后，用公式计算一遍关键数字，如果发现不一致再退回重新生成。宁可花十分钟抽查，也不能让带错误的题进入课堂。
4.4 题库版本管理与难度分层
题库是不断迭代的资产，一定要有版本管理。Obsidian 本身不支持传统意义上的版本历史，但 Markdown 文件可以配合 Git 或者 Obsidian 的同步来做版本管理。我更推荐把课程根目录直接纳入 Git，每次批量生成后提交一次，改坏了能回滚。
难度分层方面，我采用三级结构：基础题直接考查公式记忆和简单代入；提高题需要两个步骤以上推导，可能会设置小陷阱；综合题要求多个知识点交叉应用，常和实际业务场景结合。WorkBuddy 在生成不同难度题目时，需要给足限制条件，否则它会下意识把所有题都写成“简单代入公式”类型。我的提示词会写清楚每道题的“心智负荷”：基础题是单步，提高题是两到三步，综合题必须包含一个实际背景。
5. 真实工作流实录：三周课程的教材和题库
前面讲了不少方法，下面我用一次真实备课流程来对照。这个课程叫《生产计划与物料控制》，一共 8 章，涉及 21 个知识点，公式类内容占比大约一半。我按三周内完成教材新编和题库准备，实际耗时大约三天半，主要是自动化加人工审校的组合。
5.1 第一周：搭建和试跑
第一周我没有一次性让 WorkBuddy 生成全部章节。我先选了第 2 章“安全库存计算”，这个章节知识点数量适中，公式不复杂，适合试跑。我手动整理了知识点清单，写了 4 个公式，然后让 WorkBuddy 按我的技能模板生成讲义和 10 道题目。整个试跑用了 40 分钟，人工审校用了一个半小时。审校中发现有两个问题比较典型：一是部分公式符号和题干里的符号格式不完全一致；二是综合题答案的解析步骤顺序倒过来了，我调整了顺序之后才顺畅。
试跑非常重要，它能让你在自动化前摸清 WorkBuddy 的脾气。我通过这一次试跑把技能提示词和出题模板都优化了一遍，后面批量生成才没有翻车。
5.2 第二周：批量生成与人工校正
第二周我一次性把剩下 7 章的知识点导入，让 WorkBuddy 分批生成。我用的策略是“每章生成一批，生成完简单检查再进入下一章”，而不是一口气生成全部 8 章。因为全部生成之后，如果中途发现格式问题，需要回去改的文件会非常多，返工成本太高。分批生成时，每章大约 25 分钟，7 章共用了差不多 3 小时。
批量校正阶段，我重点关注四类问题：公式是否渲染、变量是否一致、题干是否歧义、解析是否闭环。这个过程很枯燥，但绝对不能省。我会开着 Obsidian 的阅读模式，一边看公式一边对照单选题，相当于给 AI 做人工质检。校正耗时大概是生成时间的两到三倍，但比起完全手写，已经算很轻松了。
5.3 效果对比：时长和产出
三周课程准备下来，我的实际投入大概是这样：
- 知识点整理和元数据建立：3.5 小时（这部分是纯人工，省不了）
- 讲义生成与公式排版：2 小时（过去至少需要 12 小时以上）
- 题目批量生成与格式整理：1.5 小时（过去需要完整的两个晚上）
- 人工审校与修改：6 小时（最重要的一步，不能省略）
- 最终导出和打印：0.5 小时
总时长大约 13.5 小时，比之前纯手工节省了三分之二左右。而且产出的复杂度提高了：题库从一开始的散装微信群文档，变成了带知识点标签、难度分级、解析完整的仓库。这些东西积累下来，以后每一期课程都能高效率复用，才是真正的“降本增效”。
5.4 踩坑记录：公式转义、大括号、图片公式等
我在实际操作中遇到不少坑，整理成速查表，供你少走弯路：
| 问题 | 现象 | 解决办法 |
|---|---|---|
| 大括号转义 | 公式里的{被吃掉，渲染成乱码 | 让 WorkBuddy 生成后自查括号配对，从不用 Word 的公式格式 |
| 中文标点进入公式 | 公式里出现：，导致不渲染 | 公式内只能用英文标点，中文标点只出现在文字描述里 |
| 图片公式 | 从旧 PPT 复制的公式是图片，无法检索和修改 | 一律重新用 LaTeX 录入，别直接贴图 |
| 变量不统一 | 一章里同一含义变量有时用 C，有时用 P | 在知识点文件里建立“变量对照表”，要求 WorkBuddy 必须读取该表 |
| 出题重复 | 两道题只是把数字换一下，实际考点相同 | 生成后按知识点和考点字段做去重，重复的自动标记待删 |
这些坑不是一次踩完的，我也走过几次弯路。像变量对照表这个习惯，是我连续两个章节的例题出了变量混用问题之后才立项解决，但补上之后整体效率明显提升。如果你能从第一篇开始就注意这个点，会省很多后续修改。
6. 给也想这么干的讲师的建议
看到这里，估计有一部分讲师已经有点心动，但还不知道从哪儿下手。我给三句话：先小、再校、后扩。先用一个章节小范围跑通，再做好人工审校，最后再把流程扩展并沉淀成自己的技能库。
6.1 从最小闭环开始
不要第一天就想把整门课都交给 WorkBuddy。哪怕只选一个章节、一个知识点，也请跑完“知识点 -> 讲义 -> 例题 -> 题目 -> 审校”这条完整链路。跑通一次之后，你对工具的能力边界会非常清楚：它擅长批量框架型内容，不擅长深层业务判断。之后你再逐步扩大应用范围，才不会一开始就被质量问题劝退。
我建议第一次选一个公式相对简单的章节，比如“盈亏平衡点计算”或者“批量折扣决策”。这类知识点结构清晰，生成效果容易判断，出了问题也好改。选太复杂的内容，比如线性规划或矩阵运算，AI 生成错误较多，容易让人对这个流程彻底失去信心。
6.2 哪些内容适合交给 AI，哪些必须人审
我自己的分工是这样的：交给 AI 的包括公式速览初稿、典型例题的初稿、按模板生成的大段结构内容、批量出题和格式化、把章节内容转成不同难度的题目。必须人审的包括：公式是否准确、例题的实际业务背景是否合理、题目答案是否有争议、知识点的整体难度安排。再自动化，AI 也不知道你面对的是什么样的学员，它不了解学员的常见错误，所以校正和调整难度是不能偷懒的。
尤其是有经验的培训讲师，应该把 AI 当成一个听话的助教，而不是替代品。它帮你把草稿写好了，你只负责最终质量把关和个性化调整。我见过有些同行用 AI 直接生成讲义后也不看就印发，出问题之后又彻底否定工具，这两种极端都没必要。
6.3 后续扩展：把题库接进课堂测验和考试系统
这一套流程沉淀下来的题库，不只是放在 Obsidian 里自嗨。我通常会再把题库导出成结构化 CSV 或 JSON，然后根据具体平台做二次粘贴。像问卷星、学习通、考试云这类系统，大部分都支持批量导入选择题，只要按平台模板把题干、选项、答案、解析字段对应好即可。Obsidian 的 frontmatter 此时就起了大作用，字段名直接对应导出模板，省去大量人工整理。
如果你想进一步自动化 Obsidian 内的检索，可以给题目笔记添加 Dataview 查询。比如我经常用的一行查询是列出某个章节所有“提高”难度题目，只需要在笔记里写一段 dataview 代码，Obsidian 会自动生成目录表格。这也是 Obsidian 比普通文档强的地方：元数据不再是给人看的，而是给工具看的，这正好和 WorkBuddy 的自动任务形成互补。
最后再分享一点我的个人习惯：每隔一段时间，我会把 Obsidian 里的资料库整体交给 WorkBuddy 做一次“知识点查漏”，让它对比教材纲目和题库覆盖情况，标出哪些知识点还没出过题、哪些章节题目密度偏高。这样平时维护题库不需要我自己统计，只要定期跑一遍流程就行。我做了这么多年培训，现在最明显的感受是：工具本身没有多神秘，真正讲究的是把重复工作拆成“可批量、可验收、可复用”的小任务，然后一点点沉淀下来。希望这套组合打法能帮你把省下来的时间，真正放回课程内容和学员身上。
