Skip to main content

8.5.5 项目：知识库驱动的课件生成助手

课件生成助手工作流图

本节定位

这个项目比普通知识库问答更进一步。 它不是只回答问题，而是要真正产出：

  • 一份符合格式要求的 Word 课件

所以它特别适合训练这些系统能力一起工作：

  • 文档解析
  • 知识检索
  • 例题抽取
  • 结构化输出
  • 模板化文档生成

学习目标​

  • 学会把“主题 -> 查资料 -> 抽例题 -> 生成课件”组织成完整流程
  • 学会定义一个知识库驱动课件系统的最小项目边界
  • 学会把内部知识库和外部资料补充分开设计
  • 学会把这个项目做成一个有产品感的作品级系统

新人术语桥​

这个项目横跨文档处理、检索、生成和导出，先把几个词分清会更稳：

术语新人理解在本项目中的作用
ingestion资料入库，把文件带进系统并准备处理PDF / Word / PPT 资料从这里进入流水线
example extraction例题抽取，从文档中识别例题、练习、定义、公式课件需要例题，不只是普通段落
schema稳定的数据结构，规定课件输出长什么样让检索、生成和模板导出对齐
template rendering模板渲染，把结构化内容填进 Word 或 PPT 模板把内容生成和文档排版分开
source_refs来源引用，记录每个章节或条目来自哪里让最终 Word 初稿能说明内容出处
internal vs external materials内部资料是可信课程资产，外部资料只是补充防止外部资料覆盖课程主骨架

核心判断是：模型不应该直接“写一个 Word 文件”。它应该帮助生成稳定的结构化课件对象，再交给模板层可靠渲染。

先建立一张地图​

这个项目最适合按“知识入库 -> 检索 -> 结构化生成 -> 模板导出”来理解：

所以这个项目真正想解决的是：

  • 用户只给一个主题时，系统怎样自动去找资料、找例题、再按模板写出来

项目题目怎么收窄？​

一个最稳的起点通常是：

做一个“知识库驱动的数学课件助手”，用户输入主题，系统自动生成一份包含知识点、例题和练习的 Word 初稿。

为什么这个范围合适？

  • 主题清楚
  • 资料形态清楚
  • 例题和知识点都能从文档里抽
  • Word 输出目标明确

不建议一开始就做成：

  • 所有学科通用
  • 自动生成 PPT + Word + 讲稿 + 配音

这样很容易把项目主线冲散。

一个更适合新人的总类比​

你可以把这个系统理解成：

  • 一个会先翻资料、再整理提纲、最后替你起草课件的备课助理

它不是直接凭空写，而是：

  1. 先查内部资料
  2. 必要时再补外部资料
  3. 再从资料里挑知识点和例题
  4. 最后按固定格式写成课件

这个类比很重要，因为它会帮新人避免把项目想成：

  • “直接让模型写一篇 Word”

最小系统闭环长什么样？​

  1. 文档入库
  2. 解析正文、标题和例题
  3. 用户输入主题
  4. 系统检索内部知识块
  5. 必要时补外部资料
  6. 生成结构化课件对象
  7. 套模板导出 Word

只要这 7 步跑顺，这个项目就已经非常像真正产品了。

先跑一个最小工作流示例​

knowledge_base = [
    {"topic": "折扣应用题", "content_type": "concept", "text": "折扣 = 原价 × 折扣率"},
    {"topic": "折扣应用题", "content_type": "example", "text": "商品原价 100 元，打 8 折后价格是多少？"},
    {"topic": "折扣应用题", "content_type": "exercise", "text": "一件衣服原价 80 元，打 7 折后是多少元？"},
]


def retrieve_internal(topic):
    return [item for item in knowledge_base if item["topic"] == topic]


def retrieve_external(topic):
    # 这里只做一个最小模拟
    return [{"topic": topic, "content_type": "note", "text": f"外部资料补充：{topic} 的常见教学误区。"}]


def build_courseware(topic):
    internal = retrieve_internal(topic)
    external = retrieve_external(topic)
    all_items = internal + external
    return {
        "title": topic,
        "concepts": [x["text"] for x in all_items if x["content_type"] == "concept"],
        "examples": [x["text"] for x in all_items if x["content_type"] == "example"],
        "exercises": [x["text"] for x in all_items if x["content_type"] == "exercise"],
        "notes": [x["text"] for x in all_items if x["content_type"] == "note"],
    }


print(build_courseware("折扣应用题"))

预期输出：

{'title': '折扣应用题', 'concepts': ['折扣 = 原价 × 折扣率'], 'examples': ['商品原价 100 元，打 8 折后价格是多少？'], 'exercises': ['一件衣服原价 80 元，打 7 折后是多少元？'], 'notes': ['外部资料补充：折扣应用题 的常见教学误区。']}

这个例子最关键的价值是什么？​

它说明这个系统真正有价值的地方，不是只会：

  • 查

而是能把查到的内容重新组织成：

  • 课件需要的栏目结构

加一个快速结构检查​

导出 Word 之前，先检查每个必需栏目是否有内容。这样可以避免模板层生成一个“格式很好看，但正文是空的”文档。

courseware = build_courseware("折扣应用题")
required_slots = ["concepts", "examples", "exercises", "notes"]

for slot in required_slots:
    count = len(courseware[slot])
    print(f"{slot}: {count} item(s)", "OK" if count else "CHECK")

预期输出：

concepts: 1 item(s) OK
examples: 1 item(s) OK
exercises: 1 item(s) OK
notes: 1 item(s) OK

一个更像真实项目的系统分层图​

很多新人做这类项目时，最容易把“知识库、检索、生成、导出”混在一起。

更稳的做法是先分层：

你可以简单把它理解成：

  • 入库层：把资料读进来
  • 处理层：把资料变成知识块
  • 检索层：把相关材料找出来
  • 生成层：把材料重组为课件结构
  • 导出层：把结构变成 Word

这个项目最需要哪些能力？​

按系统分层看，核心能力是：

文档解析​

  • PDF / DOCX / PPTX 读取
  • 扫描件 OCR
  • 标题层级和例题识别

对应课程：

知识库与检索​

  • 切块
  • 元数据
  • 主题检索
  • 例题召回

对应课程：

结构化输出与模板生成​

  • 先生成大纲
  • 再生成知识点 / 例题 / 练习
  • 再套模板导出 Word

对应课程：

工具调用与工作流​

  • 内部知识库检索
  • 外部资料补充
  • 模板渲染
  • 导出文件

对应课程：

固定格式课件最小 schema 应该长什么样？​

对这个项目来说，最值得先定清楚的，不是模型名， 而是“课件长什么样”。

一个最小 schema 至少可以先定成：

courseware_schema = {
    "title": "主题名称",
    "audience": "适用对象",
    "teaching_goal": ["目标1", "目标2"],
    "sections": [
        {"type": "concept", "heading": "知识点回顾", "items": []},
        {"type": "example", "heading": "例题讲解", "items": []},
        {"type": "exercise", "heading": "课堂练习", "items": []},
    ],
    "source_refs": [
        {"doc_id": "word_001", "page_or_slide": 3}
    ],
}

这个 schema 特别重要，因为它会把：

  • 检索
  • 生成
  • 模板导出

三层都绑到同一个稳定对象上。

内部资料和外部资料，谁优先？​

你的项目有一个非常关键的现实问题：

  • 内部知识库里可能已经有成熟资料
  • 外部资料只是补充，不应该反客为主

所以更适合新人的默认策略通常是：

场景默认优先级
主题知识点先内部资料
经典例题先内部资料
最新政策/新闻/新题型再补外部资料
内部资料缺口明显外部资料做补充说明

你可以先把这条规则记成一句话：

内部资料决定主骨架，外部资料负责补空白。

一个更像真实产品的最小工作流骨架​

def generate_courseware(topic):
    parsed_docs = load_parsed_documents()
    internal_hits = retrieve_internal(parsed_docs, topic)
    external_hits = retrieve_external(topic)
    selected = merge_and_rank(internal_hits, external_hits)
    structured = build_courseware_schema(topic, selected)
    return export_word(structured)

这个骨架的价值不是“代码多高级”， 而是让你先脑子里有这 5 个动作：

  1. 读内部知识
  2. 查外部补充
  3. 合并与排序
  4. 生成固定 schema
  5. 导出文档

课件生成助手生产线图

读图提示

这张图要按生产线看：资料入库、解析成知识块、按主题和内容类型检索、生成 courseware schema、再渲染 Word。任何一层没有中间产物，后面就很难排查。

这个项目最该怎么评估？​

最值得先看的不是“写出来像不像”，而是：

  1. 检索内容对不对
  2. 例题抽得对不对
  3. 结构有没有符合模板
  4. 引用和来源能不能回溯

你可以先把评估拆成：

维度更像在看什么
检索质量主题资料和例题有没有找对
结构正确性标题、知识点、例题、练习有没有放对位置
来源可追溯性每一段内容能不能回溯到文档来源
模板符合度最终 Word 是否符合格式规范

一个新人可直接照抄的推进顺序​

第一次做这个项目时，更稳的顺序通常是：

  1. 先只做内部知识库
  2. 先不加外部资料
  3. 先生成结构化 JSON
  4. 再把 JSON 套到 Word 模板里
  5. 最后再补外部检索、工具编排和更复杂的 Agent 逻辑

这样会比一上来就做“全自动备课 Agent”更容易把系统做稳。

第一次做时最容易踩的坑​

第一次做这类项目，最容易踩的坑通常是：

  1. 一上来就让模型自由写完整文档
  2. 不区分内部资料和外部资料的优先级
  3. 没有保存来源，后面没法追溯
  4. 没有固定 schema，导致模板渲染层很脆
  5. 生成效果不好时，不知道是检索错了还是模板错了

所以真正更稳的开发思路是：

  • 先把链路拆开
  • 每一层单独验证
  • 最后再把它们串起来

如果把它做成作品集，最值得展示什么？​

最值得展示的通常不是：

  • “我能生成 Word”

而是：

  1. 原始资料长什么样
  2. 解析后的知识块长什么样
  3. 用户输入主题后检索到了哪些内容
  4. 最终课件结构是怎么长出来的
  5. Word 模板导出后的结果长什么样

这样别人会更容易看出：

  • 你做的是一个知识驱动内容生成系统
  • 不只是让模型写了一篇文章

版本路线建议​

版本目标交付重点
基础版跑通最小闭环能输入、能处理、能输出，并保留一组示例
标准版形成可展示项目增加配置、日志、错误处理、README 和截图
挑战版接近作品集质量增加评估、对比实验、失败样本分析和下一步路线

建议先完成基础版，不要一开始就追求大而全。每提升一个版本，都要把“新增了什么能力、怎么验证、还有什么问题”写进 README。

小结​

  • 这个项目最核心的是“文档知识 -> 结构化课件 -> 模板导出”的完整链路
  • schema 和来源策略，往往比一开始选哪家模型更重要
  • 第一次做时，先把内部资料版工作流做稳，再补外部资料和 Agent 化会更现实

这节最该带走什么​

  • 这个项目最核心的不是“文档输出”，而是“文档知识 -> 结构化课件”的整条链
  • 文档解析、RAG、结构化输出、模板渲染缺一块，系统都不稳
  • 如果你想做这类系统，先把工作流版做稳，再考虑 Agent 化会更现实