前阵子接了一门课的资料整理需求，拿到手的材料，怎么说呢，就是一门课从立项到结课的所有“边角料”都在里面：课程大纲是几年前的旧版、PPT 分散在三个网盘里、讲义有 Word 也有 PDF、还有一堆从公众号和网页里复制出来的文字截图。要在这种散装资料的基础上，两周内产出统一的教案和教学 PPT，靠人肉一点点读，时间成本根本不现实。正好那段时间在折腾 WorkBuddy，就用它做了个完整实战，把整门课的散装资料归拢成了能直接用的教案和教学 PPT。整个过程踩了不少坑，也摸索出一套算是能复用的方法，这里完整记录下来。

先说清楚 WorkBuddy 是什么。简单来讲，它更像一个智能工作台，而不是单一功能的生成工具。你可以在里面建任务、定规则、喂资料，它会按你设定的规则去做文档理解、内容整理、结构生成，最后输出成教案、PPT 甚至是可以发布的网页。和纯对话式的大模型工具相比，WorkBuddy 最大的差别在于“规则可持续生效”：你今天告诉它教案要包含哪几个字段，明天再开新任务，它还会记住这套要求。

这篇文章适合谁？主要是准备用 AI 工具做课程设计、培训材料整理、教学 PPT 生成的人。无论你已经用过 WorkBuddy，还是只是对这类 AI 工作台好奇，下面这套从“喂料”到“出成品”的完整链路，都可以直接参考。里面所有步骤和问题都是真实操作过的，不是工具文档的翻译。

1. 散装资料堆满桌面之后：这个需求是怎么逼出来的

1.1 典型“散装课”长什么样

我这里说的散装课，不是完全没有资料的裸课，而是资料多到失去秩序。举个例子：一门《网络运维基础》课，手头有这些——

• 一份课程大纲 Word 文档，2018 年的，里面章节编号和现在的教学内容已经对不上。
• 三个 PPT 压缩包，分别是 2020 年、2021 年和 2022 年授课时逐次改过的版本，里面章节有重叠也有冲突。
• 教材配套的习题库 PDF，还有若干份从出版社网站下载的样章。
• 几十个教学笔记片段，散落在网盘 Txt、Flomo 导出、微信收藏里。
• 一次直播课的剪辑稿，里面有大量口语化的案例讲解，但没有整理成书面文字。

这种材料的共性问题是：单看每一份都挺有价值，但放在一起就互相打架。同一门课，2021 年的 PPT 里第三章叫“交换机基础配置”，2022 年的大纲里第三章却变成了“VLAN 原理与实验”。你如果只拿其中一份做基准，另外的资料就白费了；如果全都要参考，人工对齐的工作量非常大。

1.2 为什么不是直接丢给大模型

很多人第一反应是：把这些文件全部丢给通用大模型，让它总结一份教案。我一开始也是这么干的，试过之后的结论是：零散资料直接丢给对话式 AI，结果基本不可用。

原因很实际。通用对话模型擅长的是“你给一段话，它回一段话”，但散装资料整理需要的是“理解多份文件之间的关系”。“2018 年大纲”和“2022 年 PPT”里的同一章节怎么对应？“直播剪辑稿里的案例”应该挂到哪个知识点下面？这些问题要靠文档之间的关联分析，而不是单次问答能解决的。

另外，对话式 AI 的上下文有限，一门课的散装资料全部塞进去根本不现实。就算能塞，它也记不住你的一些隐性要求，比如“教案里的教学目标必须用行为动词开头”、“PPT 每页字数不要超过 40 字”。这些要求每次都得重复交代，一忘就乱。

所以我最后选择用 WorkBuddy 来做这件事。核心思路是：把散装资料当成原始素材喂给工作台，先用它做一轮结构化解构，再基于解构出的“知识单元”去生成教案和 PPT。WorkBuddy 在这里扮演的不是“写手”，而是“助教”：先通读全部材料，再按规则产出结构化内容。

2. 给 WorkBuddy 立规矩：开工前最重要的一件事

进入实战之前，我先做了一件后面证明是整套流程最关键的事：给 WorkBuddy 定制了一套规则。这个动作对应热搜词里那条“给 workbuddy 定几条规则,后续对所有任务都生效”，实测下来，这是 WorkBuddy 和普通 AI 工具拉出差距的地方。

2.1 规则文件里究竟写什么

我建的规则文件分了四块，每块都对应后面生成时会遇到的实际问题：

第一块是资料处理规则。固定写法是：所有投喂资料先按“大纲类、课件类、习题类、案例类、笔记类”做粗分类；每份文件解析后必须输出“文件标题、来源、内容摘要、疑似过时信息、可复用内容”五个字段。这样后续检索的时候，每一份材料都有了一个“身份证”。

第二块是教案规则。固定要求是：教案必须包含“教学目标、教学重难点、讲授要点、案例材料、课堂活动、时间分配、参考资料”七个字段，其中教学目标必须以“能够/掌握/理解”等行为动词开头。这是照着师范院校教案规范写的，为的是让输出的内容能直接用，而不是一段大而化之的描述。

第三块是 PPT 规则。固定要求是：一页 PPT 的标题不超过 15 个字，正文不超过 5 个要点，每个要点不超过 12 个字；数据型内容必须转为图表表述；每章封面页统一用“第 X 章 章节名”的格式。这些约束是多年做课件总结出来的。

第四块是输出规则。固定要求是：每次生成教案或 PPT 时，必须先输出“资料覆盖清单”，也就是告诉我这次生成用了哪些原始材料、哪些材料被舍弃了、为什么舍弃。这一条太重要了，否则你不知道 AI 生成的内容到底是不是基于你给的资料，还是它在自由发挥。

2.2 工作台目录与资料投喂的约定

规则之外，我还做了一件事：约定工作台目录结构。WorkBuddy 支持工作台的概念，在上面可以挂不同的项目目录。我把目录划成四块：

• 01_raw/：原始散装资料，按类型放子目录，不做任何预处理。
• 02_parsed/：解析后的知识卡片，由 WorkBuddy 自动生成。
• 03_outline/：课程大纲和教学单元拆分结果。
• 04_output/：最终输出的教案、PPT 草稿和成稿。

这样的好处是，后续所有任务都基于固定路径运行。规则里直接写明“读取01_raw/下的全部文件，解析结果输出到02_parsed/”，WorkBuddy 在做多轮任务时不会把中间文件搞乱。

这里有个实操心得：很多人用这类工具习惯全部塞一个目录，省事是省事，但后续一旦要批量重新生成、比对不同版本，就完全没法管理了。建议从一开始就按“原始料、中间产物、成品”三级来划分目录，这是整个实战里最值得复制的一个习惯。

2.3 定规则的实操效果

这套规则跑起来的实际效果，比我想象中更明显。最直观的一点是：后续每一次生成，WorkBuddy 都会自动引用同一套教案和 PPT 规范，不需要我再重复交代。即使我改了其中某个要求，比如 PPT 每页最大字数从 40 字改成 30 字，只需要更新规则文件，再重新运行任务，整门课的 PPT 输出都会按新标准走，而不是只改某一页。

这一点在人工整理时代是不可想象的。你不可能为了改一个格式要求，把 40 页 PPT 从头到尾手工调一遍。但把规则前置之后，批量重生成只是点几个按钮的事。

注意：规则文件不是越多越好，我刚建的时候写了十几条，结果 WorkBuddy 在部分任务里会出现“为了遵守规则而牺牲内容质量”的情况。后来精简到上面四条核心规则，效果反而更好。规则的意义是定边界，不是写剧本。

3. 第一轮归拢：让 WorkBuddy 先读懂你手头有哪些料

规则定好之后，正式开始跑资料归拢流程。这一步的目标不是生成教案，而是让 WorkBuddy 把散装资料变成一份“可以检索、可以对照”的知识资产。

3.1 多格式资料解析的边界

我把01_raw/下几十份文件直接交给 WorkBuddy 做解析。它支持常见的 Word、PDF、PPT、Txt，但实测下来有几个问题要提前知道：

第一，扫描版 PDF 的文字识别率不稳定。我手头有一份 2019 年的教材样章，是扫描件，WorkBuddy 解析后出现了不少错字，尤其是“VLAN”被识别成“VIAN”这种问题。这个在源头上很难解决，处理方式是：这类文件解析之后先让 WorkBuddy 标记为“低置信度”，再做二次人工校对，不要直接进教案。

第二，PPT 文件里的图片型内容处理不理想。很多旧 PPT 的页面是整张图片，文字不是可编辑的文本。WorkBuddy 对这类页面的解析只能提取图片本身，没法抽取其中的文字逻辑。遇到这种情况，我会手动把重点页面转成文字稿，或者直接在02_parsed/里加一条人工补充记录。

第三，语音转写稿的段落结构天然是碎的。直播剪辑稿里“然后”“那个”这种口语词特别多，直接喂进去会拉低整体生成质量。需要在喂料前先用 WorkBuddy 做一次“口语稿转书面稿”的预处理，把语气词去掉、长句拆分，再进归拢流程。

3.2 自动归类与知识卡片生成

WorkBuddy 对每份资料解析后，会输出我规则里定义的“五个字段”：文件标题、来源、内容摘要、疑似过时信息、可复用内容。几十份文件跑下来，生成了一个知识卡片列表。

这里最让我惊喜的是“疑似过时信息”这个字段。因为课程大纲是几年前的，里面很多技术名词已经更新了。WorkBuddy 会把“2018 年大纲里提到的某某设备型号”“2020 年 PPT 里引用的某标准规范版本号”这类内容单独摘出来，标成疑似过时。这个动作人工做会非常耗精力，但它几乎不需要额外成本就把全量资料筛了一遍。

可复用内容这个字段也很有价值。直播剪辑稿里的一个案例——“有一次设备告警，排查了两个小时最后发现是光线弯曲半径不够导致的”，WorkBuddy 会自动摘出来，并关联到“光纤布线”相关知识点。这个案例后来直接被我编进了教案和 PPT，成了课堂上的一个真实场景导入。

3.3 去重与补漏：散装资料最常见的坑

散装资料第二个大坑是重复。2020 年和 2022 年的两个 PPT 里，讲“以太网帧结构”的页面其实内容大差不差，只是排版变了。如果不去重，教案里就会有两段几乎一样的文字，课堂 PPT 也会有重复页面。

WorkBuddy 在解析阶段做了一轮相似度检测，但对于跨版本内容重复的识别率还行，跨表述重复的识别就要看运气了。比如同一个知识点，两个文件分别用“帧由前导码、目的地址、源地址、类型、数据、FCS 组成”和“以太网帧包含头部、数据和校验”这两种不同写法，工具很难自动判定是同一件事。

我的处理方式是：在归拢阶段人工参与一次，拿着知识卡片列表快速扫一遍，手动合并重复项。这一步大概花一个小时，但能避免后面所有生成结果出现“同一知识讲两遍”的尴尬。散装资料不是越多越好，去重之后的质量才是关键。

4. 从资料到教案：这一步决定 PPT 上限

散装资料归拢成知识卡片之后，下一步是生成教案。我的经验是：这一环节的质量直接决定 PPT 的上限。教案如果只是把资料内容拼起来，PPT 再好看也是空壳。如果教案有清楚的教学逻辑和课堂设计，PPT 只是把教案可视化而已。

4.1 教学单元怎么切

教案生成前先要解决教学单元的切分。一门课的大纲如果清晰，直接按大纲的章节走就行。但散装资料对应的大纲已经过时，需要重新切。

我用 WorkBuddy 做了一次“章节重构”：把全部知识卡片按知识点聚类，再按“知识依赖关系”排列先后顺序。举个例子，交换机基础配置和 VLAN 原理，在旧大纲里是分开的两个章节，但从知识依赖看，需要先讲清楚交换机的端口类型和转发逻辑，才能讲 VLAN 的隔离原理。WorkBuddy 会基于知识卡片之间的关键词关联，提示这种依赖关系，但最终的章节顺序我做了人工确认。

这里有一个很关键的实操点：AI 工具的知识聚类是基于词频和语义相似度，它不代表教学逻辑。比如它可能把“OSI 参考模型”和“TCP/IP 模型”归成一类，因为都属于网络体系结构；但从教学角度，前者适合放到课程开头讲，后者适合放到中段结合实验讲。所以教学单元的切分，正确姿势是“AI 出候选结构，教师做最终排序”。

4.2 教案结构的五个关键字段

我规则里定了教案必须包含“教学目标、教学重难点、讲授要点、案例材料、课堂活动、时间分配、参考资料”七个字段。实际生成后，其中五个字段对最终 PPT 的质量影响最大：

• 教学目标：必须用“能够/掌握/理解”开头。这个约束看似形式主义，但实测下来直接决定了 PPT 每章的“本章目标”页能不能写出有效内容。
• 教学重难点：重难点不清晰的教案，PPT 页面会变成流水账。有了重难点，PPT 才知道哪些页要多花时间、哪些页可以一笔带过。
• 案例材料：散装资料里有大量真实案例，这一步把它们分配到对应章节。案例是课堂 PPT 最出彩的部分，没有案例的 PPT 是干巴巴的定义堆叠。
• 课堂活动：教案里的课堂活动字段，对应 PPT 里的“互动讨论”“实验演示”页面。散装资料里的实验指导内容可以分配到这里。
• 时间分配：各章节的讲授时间估算值。没有时间约束，PPT 的体量会失控，一个知识点可能铺出七八页。

4.3 人机协作：让 WorkBuddy 出草稿，我来做取舍

把归拢好的知识卡片和课程大纲一起交给 WorkBuddy 后，它按规则生成了一版完整教案草稿。生成速度很快，但质量并不是一稿就能用的。

第一轮教案里出现的问题很典型：内容密度不均。有些章节 WorkBuddy 找到了非常丰富的资料，写得特别细；有些章节原始资料几乎没有，它就自动从通用知识库里补了一段内容进来。后者其实是一个隐患——工具补内容时，很可能把不在课程大纲范围内的知识也写进来。

我的处理方式是：以原始资料覆盖度为基准做取舍。WorkBuddy 在生成前会输出“资料覆盖清单”，标注每一章用了哪些素材、哪些是补充内容。我在这个清单基础上做减法：凡是“无原始资料支撑”的补充内容，除非是基础必讲知识点，否则一律删掉。这一步保证了整门课的教案没有偏离课程本身的定位。

这个阶段我还做了一个后续影响很大的动作：把教案里的每个“教学目标”和每个“讲授要点”做了一一对应检查。目标是“能够区分直通线与交叉线的使用场景”，要点里却没有讲到线序标准，这就是对应不上。我自己扫了几遍确认没问题，才允许进入 PPT 生成环节。因为教案里的一个逻辑漏洞，在 PPT 阶段会被放大成多个页面之间的不衔接。

5. 教案到 PPT：分段生成 + 模板约束

教案定稿后，开始生成教学 PPT。这一环节我用的策略是“分段生成”，不是一次性输出上百页 PPT。核心原因是：一次性生成长文档，AI 工具很容易在中间部分开始跑偏，句式重复、结构失焦；但按章节一段一段生成，每一段都能对照教案检查质量。

5.1 明确 PPT 规格再动手

开工前，WorkBuddy 的规则里已经明确了 PPT 的规格，但我在第一次生成前又做了一次人工确认，列出了这样一份硬性清单：

• 整体风格：简洁学术风，不要花哨的动画效果，配色不超过三种。
• 页面结构：封面页、目录页、章节封面页、内容页、案例页、互动页、小结页。
• 文字约束：标题不超过 15 个字；正文每条不超过 12 个字；每页不超过 5 条。
• 图标和图示：流程类内容优先用流程图表达，对比类内容用表格表达。
• 引用的案例：必须和教案里的案例字段保持一致，不得新增案例。

这份清单不是写给 WorkBuddy 看的，是写给我自己看的。工具只能按规则约束文字和结构，但页面风格和视觉表达需要人工确认。确认完整套规格之后，才把教案正文交给 WorkBuddy 逐章生成 PPT。

5.2 标题页 / 内容页 / 案例页怎么分工生成

分段生成时，我把每一章的 PPT 任务拆成了三类页面分别处理：

标题页和章节封面页：统一由规则生成，不单独发挥。章节封面页格式固定为“第 X 章 章节名 + 本章教学目标”，其中教学目标直接引用教案对应字段。这样所有章节在视觉和逻辑上保持同一节奏。

内容页：由 WorkBuddy 根据教案的“讲授要点”和“重难点”生成。这一部分是技术含量最高的，也是最需要检查的。WorkBuddy 会自动把教案里的一段长描述拆成几个要点，但拆出来的结果有时候会改变原意。

比如教案里的“交换机根据目的 MAC 地址转发帧，地址表通过自主学习构建”，WorkBuddy 拆成两条：

• 交换机基于目的 MAC 转发
• 地址表自主学习构建 这两条单独看都对，但放在同一页 PPT 上，读者会感觉逻辑跳跃，少了“为什么需要地址表”的因果关联。这种情况我会手动微调页面结构，把三个要点合并成一条带因果关系的表述，而不是机械地分成两条。

案例页：直接调用散装资料里整理出的真实案例。这部分我坚持一点：案例必须原汁原味，WorkBuddy 可以对文字做润色，但不能编造细节。因为没有参与实际工作的人不知道现场情况，把案例写“圆”了反而失真。

互动页：相对最简单，把教案里的“课堂活动”改成问题或讨论题就行。这里要提一个经验：互动页的文字长度控制比内容页还严格，尽量一句话说清楚问题，教师读起来不用多解释，课堂节奏就顺了。

5.3 三件必须人工确认的事

即便 WorkBuddy 已经按规则生成，我仍然会在每一章 PPT 生成之后做三件人工确认：

第一，确认每一页 PPT 对应的教案位置。我会拿着某一章 PPT，往回找教案里的对应“讲授要点”，确保没有跨章节搬运内容。WorkBuddy 生成的 PPT 偶尔会出现“上一章末尾的知识点出现在下一章开头”的情况，根因是教案里的章节边界本来就有模糊地带。

第二，确认页面之间的转场逻辑。单页 PPT 内容再准，页与页之间也要有递进关系。我习惯在每一章生成后通读一遍，用“这一页结束之后，下一页为什么讲这个”来检验。如果答不上来，就说明页面顺序有问题，需要手动调整。

第三，确认数据表述是否前后一致。散装资料里同一个数据可能在不同文档里有不同版本，比如“交换机转发延迟 1ms 还是 1.5ms”。WorkBuddy 不是数据校验工具，它只是忠实抽取了不同来源的说法。人工确认时一旦发现前后数据冲突，要以较新的资料为准，并在教案里注明。

提醒一下：PPT 生成阶段不要追求“一次过”。我第一版 PPT 出来后，每一章都至少改了 2 到 3 轮。没必要因为这个觉得工具不行，教案到 PPT 这一步本质是“结构化表达”的转换，转换过程需要人的判断，AI 只是按你的判断快速出稿。

6. 实测下来的坑与对应解法

整个实战过程中，有几个坑非常典型，如果事先不知道，很可能卡住半天。单独拿出来说说具体现象和解决办法。

6.1 大纲改一次，PPT 全文跟着变的连锁反应

第一个大坑是：教学大纲的顺序调整，会带动全部章节内容关联变动。这门课的资料里，旧大纲网络层和传输层的顺序有争议，我决定把两者的顺序对调。教案层面改起来很轻松，但 PPT 层面出现了问题：原来描述“传输层为网络层提供服务”的页面，在新顺序下就不成立了，整段逻辑要重写。

WorkBuddy 处理这种“全局联动修改”时，并没有完全智能地更新所有相关联的页面。它只会在你指定的章节里做修改，其他章节里引用旧顺序的表述，需要靠“全局检索 + 手动指示更新”来补。

我当时的做法是：先在全库中检索“网络层/传输层”相关表述，列出一张引用清单，再逐条指示 WorkBuddy 更新。这一步不建议偷懒跳过，因为类似“先讲 A 再讲 B”的表述如果残留，学生在课堂上会明显感觉前后矛盾。

6.2 图表和数据从哪来

第二个坑是图谱类内容：WorkBuddy 对流程图、架构图的生成能力有限。它能生成 PPT 的文本内容和表格，但对“交换机转发流程”“OSI 七层模型示意图”这类图，它的产出只能用“示意”来形容。如果直接把示意图放进 PPT，排版会很乱。

我的处理方式是两步。第一步：让 WorkBuddy 对每个需要图示的知识点输出“图示需求说明”，即用文字描述这幅图应该包含哪几个元素、什么方向、什么关系。第二步：拿着这个说明，去绘图工具里人工绘制，或者从旧课件里复用已有素材。

这一步听起来费时，但其实是确保 PPT 质量的关键。一张结构清晰的示意图在课堂上的价值，远大于十段文字。文字可以交给 AI 生成，但图必须有人把关。

6.3 最后一遍人工校对清单

全部章节 PPT 生成完毕后，我按下面这个清单做了一轮总校对：

• 各章节封面格式是否完全一致；
• 教案里的重难点有没有在 PPT 中得到重点呈现；
• 跨章节重复出现的基础概念有没有保持一致表述；
• 所有页码和目录是否和实际章节顺序一致；
• 案例页标注的来源是否真实存在，而不是 AI 编造；
• 有没有出现“待补充”“此处插入图片”之类的占位文本。

这个清单每次都会帮我把一两处问题捞出来。不要嫌麻烦，这种校对就是干这行的本分。

7. 这次实战之后我的工作流变化

7.1 从“一次性生成”到“可复用的课程资产”

经历了这次实战，我最大的收获不是省了多少时间，而是建立了一套可复用的课程资产工作流。散装资料经过 WorkBuddy 的解析，变成了知识卡片；知识卡片经过教案规则的约束，变成了结构化的教案；教案再经过 PPT 规则，变成了一致的教学课件。更关键的是，这套资料全部留在工作台里，后续任何环节更新，都不需要从头再来。

比如课程要加一个新案例，我只需要把新案例丢进01_raw/，跑一遍解析和归类，再重新生成对应章节的教案和 PPT 就行。已经制作完成的章节不需要改动，也不会被重复生成覆盖。

7.2 给同样想用 WorkBuddy 的人几条建议

如果看完这篇你也想用 WorkBuddy 做课程资料整理，我的建议比较直白：

第一，先花时间定规则，再开始喂资料。规则文件里写清楚资料处理方式、教案字段、PPT 约束和输出格式，哪怕多花一小时，后面都会成倍赚回来。

第二，目录结构要清晰，原始料、中间产物、成品分开。不要所有东西放一起，否则 AI 都分不清哪个是最新版本。

第三，把 AI 当“高速助教”，不要当“自动教师”。它擅长快速出稿、批量整理、格式统一，但教学内容的取舍、章节逻辑的排序、案例真实性的把关，永远要由人来做。

第四，每次生成的结果要留版本。我在 WorkBuddy 里会为每次教案或 PPT 的生成任务建一个独立输出目录，命名带上日期和版本号。没有版本号约束的话，连续生成三轮之后，你就分不清哪一版是最终版了。

第五，遇到生成结果不合理时，先回去查规则和输入资料，而不是反复调整措辞让 AI 重新生成。多数跑偏的根因是规则边界没划清楚，或者原始资料里有冲突内容。把源头问题解决掉，再生成就正常了。

我自己操作下来最大的体会是：WorkBuddy 这类工具真正改变的不是“动手能力”，而是“整理能力”。以前面对散装资料，最难的不是写教案、做 PPT，而是决定“哪些材料有用、哪些结论可信、哪些内容要舍弃”。以前这些判断藏在我脑子里，现在它们被写进了规则文件，变成了一套可以反复执行的流程。以后不管是整理新课还是维护旧课，我都不用再从零开始了——这大概就是这次实战对我最大的意义。