最近期末周，我尝试用 Codex 本地搭一套复习资料生成流程，想把课件 / PDF / PPT 丢进去，让它帮我生成笔记、双语对照、互动题、解析和复习计划。
一开始我还挺认真地做了约束，不是直接裸跑。比如先读源材料再写笔记、子智能体分组处理、重要结论带来源 locator、输出 Obsidian 笔记和 HTML quiz 等。
但实际跑下来，结果不太稳定。第一版很多内容不能直接用，后面大量时间花在修流程、修格式、修链接、核来源、改题库结构上，感觉已经偏离复习本身了。
最后跑出来个差不多能用的笔记，但其他，比如问题目啥的还是灰溜溜的跑回去问notebookLM了，google最好用的产品没有之一，不过总感觉很挫败啊，拿到codex感觉自己无敌了，可以摒弃垃圾的谷歌产品们了，但不知道是openai的问题还是我的，用起来还不如经过验证的老产品呢
目前主要问题
-
课件理解和重点取舍不稳定
它能整理内容，但不一定知道考试真正该抓什么。 -
子智能体之间风格不一致
分组处理缓解了上下文问题，但输出颗粒度、术语、格式经常不统一。 -
双语 mirror 很难保证严格对应
中文和英文看起来格式一致，但语义是否完全等价还是要人工核。 -
来源 locator 不能完全信任
有页码 / 来源不代表引用一定准确，页码范围、原文语境、总结是否过度都要检查。 -
互动题很容易变成另一个维护项目
题干、选项、答案、解析、hint、来源、localStorage、dashboard 都要核。 -
Skill 写得越重，失败面越大
内容、格式、来源、双语、题目、链接、验证全塞进一个流程里，任何一环出问题都会拖累整体。
我当时大概叠了哪些 Skill / 约束
1. 笔记生成控制
类似 note-control-tower：
- 先读源材料，再生成笔记
- 按学习目标、机制链、决策流程或比较关系组织内容
- 支持主智能体 + 子智能体分工
- 避免把内部流程、原始路径、临时状态写进学习者可见笔记
- 最后检查链接、路径、格式、内部词、验证器等问题
2. 双语 Obsidian 笔记格式
类似 bilingual-obsidian-note-profile：
- 中文为主，英文 mirror
- 有 YAML、编号标题、MOC 链接、source-near locator
- 每个核心知识点要求中文解释 + English mirror
- 术语首次出现时做中英处理
- 包含 Common Confusions 和 Review Questions
问题是：机械 validator 可以检查格式，但不能证明中英文语义严格对应。
3. HTML 互动题
类似 b-style-html-quiz：
- 自包含 HTML
- 默认 A-E 五选项
- 有即时反馈、hint、来源、错题回顾
- 用 localStorage 记录状态
- 有 Submit 和 dashboard
- 要求不能凭空编答案、选项、来源或解析
4. 后来补的 source-first 约束
踩坑后又加了一个本地 Skill：
- 先建 source manifest，再写笔记
- 每门课先写一篇 sample note，验证通过后再继续
- 一次只处理一个课程 / 模块，不再多路并发
- 默认子智能体只读，主线程负责最终写入
- 不把 Need verification 写进学习者正文
- PDF 只放
sources/或sources/generated/ - 重要 claim 附近必须有来源 locator
- 写完检查 Markdown 链接、PDF 页码、wikilink、本机绝对路径、内部流程词、临时文件、OCR / 转换缓存
我现在的初步想法
现在感觉，期末周可能不适合让 Codex 临时承担“完整学习系统建设”。
我现在最大的困惑是：AI 确实能产出很多东西，但一旦变成“完整复习资料生产线”，质量核验和返工成本很容易把节省的时间吃掉。
有没有人实践过更稳的临考前 AI 复习工作流？
