多Agent协作备课实战：从散装资料到教案PPT的自动化流程

1. 散装资料为什么让备课变成体力活带过课的人都懂那种感觉一门课的资料从来不是整整齐齐躺在文件夹里的。它散落在微信收藏、邮箱附件、网盘链接、U盘备份、甚至某次培训发的纸质讲义里。等到真要开课你得先把这些碎片拼成一份能用的教案再把它翻译成学生看得懂的PPT。这个过程我做过太多次最夸张的一次光是把三个版本的课程大纲对齐就花了一整个下午。问题的本质不在于资料多而在于资料之间没有结构。一份PDF里可能藏着核心知识点一段录音里可能有案例讲解一张截图里可能有流程图但它们彼此孤立。人脑擅长理解结构化的信息却极不擅长从散装材料里现场搭建结构。所以备课真正消耗时间的不是写而是整理和重组。WorkBuddy这类多Agent协作工具切入的正是这个环节。它不是一个简单的文档转换器而是一套可以拆解任务、分派角色、并行处理的协作框架。你可以把它理解成一个虚拟教研室一个Agent负责从散装资料里抽取知识点一个Agent负责按教学逻辑重组一个Agent负责生成教案文本还有一个Agent专门把教案转成PPT大纲。每个Agent只做自己擅长的事最后由你来做总审。这篇文章适合三类人看一是经常需要把零散材料整理成课程内容的老师或培训师二是想了解多Agent协作到底怎么落地到具体场景的技术爱好者三是已经在用WorkBuddy但还没找到杀手级用法的实践者。我会把整个流程拆开讲包括任务怎么拆、Agent怎么配、中间产物怎么衔接、哪些地方容易翻车以及我实测下来最稳的一套操作路径。2. 把备课拆成Agent能接住的四段任务2.1 为什么不能直接让一个Agent从头做到尾很多人第一次用WorkBuddy的想法很直接把资料全丢进去说一句帮我生成教案和PPT然后等结果。我试过结果很不理想。原因有两个层面。从技术层面看单Agent处理长上下文时会出现注意力衰减。当输入资料超过一定长度模型对早期内容的记忆会变模糊导致后面生成的内容和前面的资料对不上。这不是WorkBuddy独有的问题而是当前大模型处理长文本的普遍特性。从任务层面看整理资料→生成教案→生成PPT本身就是三个性质不同的工作整理需要的是抽取和归类能力教案需要的是教学逻辑和语言组织能力PPT需要的是信息压缩和视觉化表达能力。让一个Agent同时具备这三种能力就像让一个人同时当编辑、编剧和设计师不是不行但质量一定打折扣。所以正确的思路是任务分解。我习惯把整个备课流程拆成四段资料归一化、知识点抽取、教案生成、PPT大纲生成。每一段都是一个独立的Agent任务上一段的输出是下一段的输入。这样做的好处是每一段都可以单独检查、单独修正不会出现最后结果不对但不知道哪一步错了的情况。2.2 四段任务的具体定义和输入输出第一段是资料归一化。散装资料最大的问题是格式不统一有PDF、有Word、有图片、有纯文本。这一步的目标是把所有资料转成统一的纯文本格式并且去掉页眉页脚、重复段落、无关广告这些噪音。输出是一份干净的合并文本我通常叫它raw_content.md。第二段是知识点抽取。从归一化后的文本里识别出这门课的核心概念、关键原理、重要案例、常见误区。输出是一份结构化的知识点清单每个知识点包含名称、简要说明、来源位置。我习惯用JSON格式存方便后续Agent读取。第三段是教案生成。基于知识点清单按照教学逻辑组织成一份完整教案。这里的关键是教学逻辑不是简单罗列知识点而是要有导入、讲解、案例、练习、总结这样的节奏。输出是一份Markdown格式的教案文档。第四段是PPT大纲生成。把教案压缩成适合演示的幻灯片结构每页包含标题、要点、备注。输出是一份PPT大纲可以直接导入到演示工具里。这四段任务之间是有依赖关系的不能并行。但每一段内部如果有多个资料源是可以并行处理的。比如资料归一化阶段如果有五个PDF可以同时跑五个归一化任务最后合并。这就是多Agent协作的价值所在。2.3 任务拆分的粒度怎么把握拆得太粗Agent处理不了拆得太细协调成本太高。我的经验是一个Agent任务的输出应该是一份可以独立检查的中间产物。如果你没法判断这个中间产物对不对说明任务拆得不够清晰。举个例子把资料整理一下就不是一个好任务因为整理的定义太模糊你没法判断结果对不对。但从这份PDF里抽取所有带编号的标题和对应的正文段落就是一个好任务因为输出格式明确对错一目了然。另外一个经验是每个Agent任务最好只涉及一种能力。抽取就是抽取重组就是重组生成就是生成。不要让一个Agent既做抽取又做判断那样出错的时候你很难定位是抽取错了还是判断错了。3. WorkBuddy里配置多Agent协作的实操路径3.1 环境准备和基础配置WorkBuddy的安装本身不复杂官网下载对应平台的安装包一路下一步就行。Windows、Linux、macOS都有对应版本。我主要在Linux环境下用因为处理大量文件时命令行更顺手。安装完成后第一次启动会引导你配置模型接入这里根据你手头的资源选择就行。配置多Agent之前有一个容易被忽略的设置工作目录。WorkBuddy默认的工作目录在系统盘如果你要处理大量资料建议改到空间更大的盘。这个在设置里可以改改完之后所有中间产物都会存在新目录下方便管理。另一个基础配置是自定义指令。WorkBuddy允许你给每个Agent设置系统级指令相当于给这个Agent定一个人设和工作规范。这个功能在多Agent协作里非常关键因为不同Agent需要不同的行为模式。比如抽取Agent需要严谨、不遗漏生成Agent需要流畅、有教学感。这些都可以通过自定义指令来约束。3.2 四个Agent的角色定义和指令模板下面是我实测下来比较稳的一套Agent配置。每个Agent的自定义指令我都给一个模板你可以直接抄也可以根据自己的课程特点调整。Agent 1资料归一化助手这个Agent的职责是把各种格式的资料转成干净文本。自定义指令的核心是告诉它只做转换不做理解。你是一个资料预处理助手。你的任务是把输入的文件内容转换为纯文本格式。 规则 1. 保留所有正文内容删除页眉、页脚、页码、水印文字。 2. 删除重复出现的段落只保留一次。 3. 删除明显的广告、推广、无关链接。 4. 保留标题层级用Markdown的#号表示。 5. 不要对内容做任何总结、改写或解释。 6. 输出格式为纯Markdown文本。Agent 2知识点抽取助手这个Agent负责从干净文本里识别知识点。指令的核心是定义清楚什么算一个知识点。你是一个课程内容分析助手。你的任务是从输入文本中抽取知识点。 一个知识点定义为一个可以独立讲解的概念、原理、方法或案例。 输出格式为JSON数组每个元素包含 - name: 知识点名称不超过20字 - summary: 一句话说明不超过50字 - source: 在原文中的位置标记 - type: 类型概念/原理/方法/案例/误区 规则 1. 只抽取原文中明确出现的内容不要自行补充。 2. 合并重复的知识点。 3. 按原文出现顺序排列。Agent 3教案生成助手这个Agent把知识点清单组织成教案。指令的核心是定义教学结构。你是一个教学设计助手。你的任务是把知识点清单组织成一份完整教案。 教案结构要求 1. 课程导入用实际问题或场景引出主题200字左右 2. 知识讲解按逻辑顺序展开知识点每个知识点包含讲解和例子 3. 案例分析选取2-3个知识点做深入案例 4. 练习设计设计3-5个思考题或实操题 5. 课程总结回顾核心要点 规则 1. 语言要口语化像老师在课堂上讲话。 2. 每个知识点讲解不少于150字。 3. 案例要具体不要泛泛而谈。 4. 输出格式为Markdown。Agent 4PPT大纲助手这个Agent把教案压缩成幻灯片结构。指令的核心是信息压缩和视觉化。你是一个演示文稿设计助手。你的任务是把教案转换为PPT大纲。 输出格式 每页包含 - 页码 - 页面标题不超过15字 - 页面要点3-5条每条不超过20字 - 备注给讲者的提示50字以内 规则 1. 一页只讲一个核心点。 2. 要点要短适合放在幻灯片上。 3. 备注里写讲者需要补充的口头内容。 4. 总页数控制在20-30页。 5. 输出格式为Markdown表格。3.3 Agent之间的数据传递方式WorkBuddy里Agent之间的数据传递有两种方式一种是文件传递一种是上下文传递。我推荐文件传递因为更可控。具体做法是每个Agent完成任务后把输出写入一个指定文件。下一个Agent启动时读取这个文件作为输入。这样做的好处是每一步的中间产物都留痕出问题可以回溯。而且文件可以手动修改如果某个Agent的输出有小瑕疵你可以直接改文件不用重新跑整个流程。文件命名我习惯用编号加内容的方式比如01_raw_content.md、02_knowledge_points.json、03_lesson_plan.md、04_ppt_outline.md。这样一眼就能看出处理到哪一步了。3.4 触发方式和执行顺序WorkBuddy支持手动触发和自动触发。备课这个场景我建议手动触发每一步因为你需要检查每一步的输出质量。自动跑完整个流程听起来很爽但如果第二步抽取错了后面全错你还得从头再来。执行顺序就是按编号来先跑Agent 1处理所有资料检查合并后的文本然后跑Agent 2抽取知识点检查JSON清单然后跑Agent 3生成教案检查教案质量最后跑Agent 4生成PPT大纲。如果资料量很大Agent 1可以并行跑多个实例每个处理一个文件最后合并。这是唯一适合并行的环节。后面的环节因为依赖前一步的完整输出建议串行。4. 从散装PDF到教案的完整跑通记录4.1 资料归一化阶段的坑和技巧我拿一门实际课程做了测试资料包括3个PDF讲义、2个Word文档、1个PPT文件、4张流程图截图、1段课堂录音转文字。总共大概8万字的原始材料。第一个坑是PDF里的表格。很多PDF讲义里有关键信息放在表格里直接转文本会丢失表格结构变成一堆错位的文字。我的处理办法是先用Agent 1做基础转换然后手动检查表格部分必要时用截图加OCR的方式重新提取。WorkBuddy本身有图片识别能力但表格识别准确率取决于原图清晰度。第二个坑是录音转文字的断句问题。课堂录音转出来的文字往往没有标点或者标点混乱。Agent 1的指令里我加了一条对无标点文本进行合理断句效果还可以但关键段落我还是会手动过一遍。第三个坑是重复内容。同一门课的不同版本讲义里有大量重复段落。Agent 1的删除重复段落规则能处理完全一致的重复但对于意思相同但表述不同的重复就无能为力了。这个需要在知识点抽取阶段处理Agent 2的合并重复知识点规则就是干这个的。实测下来8万字资料归一化后剩下约5万字去掉了约37%的噪音。这个比例算是正常如果去掉的太少说明噪音没清干净去掉的太多说明可能误删了正文。4.2 知识点抽取的质量控制Agent 2跑完输出了63个知识点。我抽查了20个发现几个典型问题。第一个问题是粒度不一致。有的知识点很粗比如课程整体框架有的很细比如某个公式的推导步骤。这种粒度差异会导致后续教案生成时节奏混乱。我的解决办法是在Agent 2的指令里加一条知识点粒度控制在可以独立讲解5-10分钟的范围内重新跑了一遍输出变成47个知识点粒度均匀多了。第二个问题是类型标注错误。有些明显是案例的内容被标成了概念。这个跟指令里的类型定义不够清晰有关。我后来把类型定义改得更具体概念是是什么原理是为什么方法是怎么做案例是实际发生过的事误区是容易搞错的地方。改完之后准确率明显提升。第三个问题是来源标记丢失。有些知识点没有标注来源位置导致后面教案生成时无法追溯。这个在指令里强调必须标注来源之后解决了。4.3 教案生成的教学逻辑校验Agent 3输出的教案初稿有8000多字结构完整但有几个地方需要调整。最明显的问题是导入部分太生硬。Agent 3写的导入是本课程将介绍以下内容这是典型的AI式开头。我在指令里加了一条导入部分必须用一个真实场景或问题开头不要用本课程将介绍这类表述重新生成后好多了。第二个问题是案例不够具体。Agent 3写的案例是例如在某项目中应用了该方法这种案例等于没写。我在指令里要求案例必须包含具体场景、具体问题、具体做法、具体结果改完之后案例质量明显提升。第三个问题是练习设计太简单。Agent 3设计的练习都是请简述XX概念这种记忆型题目。我在指令里要求练习要包含至少一道应用题和一道分析题调整后练习的层次感好多了。4.4 PPT大纲的压缩比例和页面节奏Agent 4把8000字教案压缩成了26页PPT大纲。压缩比大概是300:1这个比例是合理的。一页PPT对应300字左右的讲解内容正好是3-5分钟的讲解量。页面节奏上我检查了以下几点导入部分2页知识讲解18页案例分析3页练习2页总结1页。这个分布比较均衡。如果知识讲解超过20页说明内容太密需要拆分或删减。如果案例分析少于2页说明案例不够需要补充。PPT大纲的备注栏很关键。Agent 4在备注里写了讲者需要补充的口头内容比如这里可以举一个实际例子、这里停顿一下让学生思考。这些备注在实际讲课时很有用相当于给自己留的提示条。5. 实测中暴露的三个典型问题5.1 知识点抽取的遗漏和冗余怎么平衡这是整个流程里最头疼的问题。Agent 2的抽取结果有时候会漏掉一些重要知识点有时候又会把同一个知识点拆成好几个。漏掉的原因通常是原文表述太隐晦Agent没识别出来。冗余的原因通常是原文在不同地方用不同方式讲了同一件事Agent没合并。我的处理办法是两轮抽取。第一轮用宽松规则尽量多抽宁滥勿缺。第二轮用严格规则对第一轮的结果做去重和合并。两轮之间我手动过一遍把明显不对的删掉。这样虽然多花一点时间但质量比单轮抽取稳定得多。另外一个技巧是给Agent提供示例。在指令里放两三个正确抽取的示例和两三个错误抽取的示例Agent的准确率会明显提升。这相当于few-shot learning的思路实测有效。5.2 教案语言风格偏离教学场景的修正Agent 3生成的语言有时候太书面像论文而不像教案。比如它会写本方法的核心要义在于通过系统化手段实现效率提升这种句子在课堂上念出来很别扭。修正的办法是在指令里明确语言风格要求。我加了一条语言要口语化像老师在课堂上讲话可以用我们来看、大家注意、这里有个关键点这类表达。改完之后语言自然多了。还有一个办法是给Agent提供风格样本。我把自己以前写的教案片段放了两段在指令里让Agent模仿这个风格。效果比单纯描述风格要好。5.3 多Agent串行时的上下文丢失串行执行时每个Agent是独立运行的它不知道上一个Agent做了什么。这会导致一些问题比如Agent 3不知道Agent 2抽取知识点时的分类逻辑可能会重新分类。解决办法是在每个Agent的输入里附带前序步骤的元信息。比如Agent 3的输入不只是知识点JSON还包括一段说明这些知识点由Agent 2按概念/原理/方法/案例/误区五类抽取请保持这个分类。这样Agent 3就能延续前面的逻辑。WorkBuddy的上下文管理功能可以部分解决这个问题但我的经验是显式传递比隐式继承更可靠。把需要传递的信息写在文件里比依赖系统的上下文记忆要稳。6. 让这套流程真正省时间的几个经验6.1 模板化你的Agent指令第一次配置四个Agent可能要花一两个小时但配好之后这套指令可以复用到所有课程。我现在的做法是建一个备课Agent模板文件夹里面存着四个Agent的指令文件。新课程开始时复制一份根据课程特点微调指令十分钟就能搞定。微调的地方主要是知识点类型定义不同学科的类型不一样、教案结构要求不同课型的结构不一样、PPT页数要求不同时长的课页数不一样。其他部分基本不用改。6.2 中间产物要人工过一遍我见过有人想完全自动化四个Agent一口气跑完中间不看。实测下来这样做的返工率很高。我的建议是每个中间产物都花五分钟过一遍重点看三类问题有没有明显遗漏、有没有明显错误、格式对不对。五分钟的检查能省掉后面半小时的返工。特别是知识点清单这是整个流程的枢纽。知识点对了后面教案和PPT基本不会太偏。知识点错了后面全错。6.3 把重复使用的资料建成素材库同一门课如果反复上资料会越积越多。我的做法是建一个素材库把归一化后的干净文本、抽取好的知识点、生成好的教案都存起来。下次上同一门课时只需要更新变化的部分不用从头跑整个流程。素材库的目录结构我按课程名加版本号来组织比如课程A_v1、课程A_v2。每个版本里存四个中间产物文件。这样既能追溯历史版本又能快速复用。6.4 什么时候该放弃Agent自己动手不是所有环节都适合Agent。我的经验是格式转换和结构化抽取适合Agent创意性内容和情感表达适合人工。比如课程导入的故事、案例的细节描写、练习的巧妙设计这些Agent做出来的东西总是差一口气。这些环节我建议自己写把Agent省下来的时间用在这些地方。另外一个判断标准是如果这个任务你自己做只需要五分钟就不要配Agent。配Agent、跑Agent、检查输出的时间可能超过五分钟。Agent的价值在于处理那些你自己做要半小时以上的重复性工作。7. 关于多Agent备课这件事我踩过的坑最开始我以为Agent越多越好配了七八个Agent每个负责一个很小的任务。结果协调成本极高Agent之间的数据传递经常出错最后还不如三个Agent串行跑。后来我精简到四个每个Agent的职责边界清晰反而稳定了。这让我明白一个道理多Agent协作的关键不是数量而是职责划分的清晰度。还有一个坑是过度依赖自动触发。我试过让Agent 1跑完自动触发Agent 2Agent 2跑完自动触发Agent 3。结果有一次Agent 1的输出格式有点问题Agent 2没识别出来输出了空结果Agent 3基于空结果生成了一份完全跑偏的教案。等我发现的时候已经浪费了半小时。从那以后我改成手动触发每一步检查完再跑下一步。最后一个坑是忽略了WorkBuddy的缓存机制。WorkBuddy会缓存Agent的执行结果如果你修改了输入文件但没清除缓存Agent可能还是用旧结果。这个在调试阶段特别容易迷惑人。我的做法是每次修改输入后手动清除对应Agent的缓存再跑。这套流程我用了大概两个月处理了四门课的资料。最直观的感受是以前整理一门课的资料加写教案要一整天现在大概两三个小时能搞定初稿剩下的时间花在打磨案例和练习上。省下来的不是全部时间而是那些最枯燥的整理时间。对于经常备课的人来说这个效率提升是实打实的。