多Agent协作备课实战：从散装资料到教案与教学PPT

1. 备课这件事，为什么值得用 WorkBuddy 重做一遍

带过课的人都清楚，备课最耗时间的环节往往不是"想清楚讲什么"，而是"把散落各处的材料收拾成能直接用的东西"。一门课的资料通常长这样：教材某一章的扫描件、几篇参考文献的 PDF、去年攒的零散笔记、几张从网上存下来的示意图、还有一份写到一半的 Word 大纲。这些东西格式不统一、命名混乱、颗粒度参差，真要整理成一份像样的教案，再顺手做一套能投屏的教学 PPT，手工干下来少说半天，多则两三天。

WorkBuddy 这类多 Agent 协作工具切入的正是这个场景。它的核心价值不在于"帮你写几段话"，而在于把"读资料、理结构、写教案、做 PPT"这条链路拆成几个可以并行、可以互相校验的环节，让每个环节由更擅长的角色去处理。我这次拿一门专业课的散装资料做了一轮完整实测，从一堆杂乱文件到最终可用的教案文档加教学 PPT，中间踩了不少坑，也摸出了一些让结果稳定下来的门道。这篇就把整个流程、关键参数、避坑经验完整摊开讲。

需要先说明的是，WorkBuddy 有网页版和本地化部署两种形态，本文的操作以网页版工作台为主，本地部署的差异我会在对应位置单独标注。整套流程对学科不敏感，文科理科工科都能套用，区别只在于资料预处理的方式和提示词的措辞。适合的读者是：手里有一堆零散教学材料、想用 AI 提效但被"生成结果太水"劝退过的老师、教研员，以及任何需要把碎片信息整理成结构化交付物的人。

2. 整体设计思路：为什么是"多 Agent 分工"而不是"一个对话框问到底"

2.1 单 Agent 处理备课任务的三个死穴

我最早的做法很朴素：把所有资料粘进一个对话框，让它"帮我写一份教案和 PPT 大纲"。结果稳定地差，问题集中在三处。

第一是上下文污染。教材原文、参考文献、我自己的笔记混在一起，模型分不清哪些是"必须忠实引用的权威内容"，哪些是"可以自由发挥的辅助材料"，写出来的教案经常把参考文献里的观点当成教材原文，这在教学场景里是硬伤。

第二是任务粒度太粗。教案和 PPT 是两种不同的交付物，前者重逻辑完整和教学法表述，后者重页面节奏和视觉呈现。让一个 Agent 同时干两件事，它会在两者之间反复横跳，最后两边都不够专业。

第三是无法校验。单次生成的结果对不对，全靠人肉通读，一旦资料量大，检查成本比重新写还高。

2.2 多 Agent 分工的拆解逻辑

WorkBuddy 的多 Agent 协作，本质是让你定义几个职责明确的角色，各自持有不同的上下文和指令，然后按依赖关系串起来。针对备课场景，我最终定下来的分工是这样的：

这么拆的好处很直接：每个 Agent 的上下文都干净，资料清洗 Agent 只关心"这段内容来自哪、可信度如何"，教案撰写 Agent 只关心"这一节课怎么讲清楚"，互不干扰。而且中间产物（素材库、大纲）是可以人工介入检查的，在成本最低的环节把错误拦下来。

提示：Agent 数量不是越多越好。我试过拆成七个，结果协调成本陡增，光是对齐各 Agent 的输出格式就耗掉大量时间。四个是备课场景的甜点区，再复杂的需求也建议控制在五个以内。

2.3 为什么把"结构规划"单独拎出来

这是整套流程里我最想强调的一点。很多人做 AI 备课，习惯让模型直接"看着资料写教案"，跳过结构规划。实测下来这是最大的效率陷阱。

结构规划 Agent 干的事情，是把素材库里的知识点重新组织成一棵有层次的树：这门课分几个模块，每个模块几个课时，每节课的核心概念、重点、难点分别是什么。这棵树一旦定下来，后面教案和 PPT 都只是"往树上挂叶子"，一致性天然有保障。反过来，如果跳过这一步，教案和 PPT 各写各的，最后你会发现 PPT 上的章节顺序和教案对不上，返工量巨大。

我个人的经验是，结构规划这一步值得花掉整个流程 30% 的时间去打磨，甚至手动微调。它省下来的是后面 70% 的返工。

3. 资料预处理：把"散装"变成"可喂"的关键操作

3.1 资料清洗 Agent 的指令怎么写

资料清洗是整个流程的地基，地基歪了后面全歪。我给这个 Agent 的指令大致是这样的结构（这是经过多轮迭代后比较稳的版本）：

你是教学资料清洗助手。请对我提供的原始材料做以下处理： 1. 逐份识别材料类型（教材原文/参考文献/个人笔记/图片说明），并标注来源编号； 2. 去除重复内容，重复判定标准为"核心观点一致且表述相似度超过 80%"； 3. 将口语化、碎片化的笔记改写为书面表述，但不得改变原意； 4. 对每一条素材标注可信度等级：A=教材原文，B=权威文献，C=个人笔记； 5. 输出为结构化列表，每条包含：编号、来源、可信度、内容摘要。 禁止：自行补充材料中没有的知识点；禁止合并不同来源的冲突观点，冲突处需单独标注。

这里有几个细节值得展开。可信度分级是后面教案撰写 Agent 判断"哪些内容必须忠实引用、哪些可以灵活表述"的依据，没有这个分级，模型很容易把个人笔记里的随口一说当成教材定论。禁止合并冲突观点这条也很关键，教学材料里不同来源对同一概念的定义有出入是常事，让模型强行统一反而会掩盖问题，正确做法是标出来让人来判断。

3.2 文件格式的统一处理

散装资料最烦的是格式。我的处理原则是：能转纯文本的一律转纯文本，图片单独走 OCR 或人工描述。

PDF 和 Word 直接提取文字，扫描件走 OCR。这里有个坑：OCR 对公式和表格的识别率堪忧，尤其是理科材料。我的做法是公式和表格不依赖 OCR，而是让资料清洗 Agent 标注出"此处有公式/表格，需人工确认"，然后我手动补进去。听起来麻烦，但比事后发现教案里公式全错要省事得多。

图片的处理更要注意。教学 PPT 里经常需要示意图，但 AI 没法直接"看懂"你存的那张图讲的是什么。我的做法是给每张图配一句人工描述，比如"图 3：细胞有丝分裂中期，染色体排列在赤道板上"，把描述文字喂给 Agent，图片文件本身单独存好，最后做 PPT 时再对应插入。

注意：WorkBuddy 网页版对单次上传的文件体积和数量有限制，资料多的时候建议分批清洗，每批控制在 10 份以内，清洗完再合并素材库。本地化部署版本没有这个限制，但要注意系统缓存目录的磁盘占用，资料量大时缓存会涨得很快，建议提前把缓存目录指到大容量分区。

3.3 素材库的验收标准

清洗完的素材库，我会用三个标准验收：

• 可追溯：每条素材都能对应回原始文件，编号不丢；
• 无污染：没有模型自行脑补的内容，凡是它"补充"的都要能指出依据；
• 冲突可见：不同来源的矛盾之处被明确标出，而不是被悄悄抹平。

这三条过不了，就退回重洗。别嫌烦，这一步的返工成本远低于后面教案重写。

4. 结构规划与教案撰写：把知识树变成能上课的文档

4.1 结构规划 Agent 的核心指令设计

结构规划 Agent 拿到的输入是清洗后的素材库，输出是教学大纲。我的指令核心是这几条：

你是课程结构设计助手。基于素材库，完成以下任务： 1. 提炼本课程的知识框架，划分为若干模块，每个模块下细分课时； 2. 每个课时明确：核心概念（不超过 3 个）、教学重点、教学难点、建议课时长度； 3. 标注知识点之间的先修关系（哪个概念必须在哪个之前讲）； 4. 输出为树状结构，层级清晰。 约束：课时划分需符合常规课堂节奏，单课时核心概念超过 3 个时须拆分。

先修关系标注是我加的一个私货，非常有用。它让后面教案撰写 Agent 知道讲课顺序不能乱，也让我一眼看出哪些知识点是"卡脖子"的关键节点，需要多花时间。

单课时核心概念不超过 3 个这条约束来自实际教学经验。一节课塞太多概念，学生吸收不了，PPT 也会做得又挤又乱。让模型自己控制这个数量，比事后手动删要省心。

4.2 教案撰写 Agent 怎么保证"像人写的"

教案最容易暴露 AI 味的地方，是通篇"首先……其次……最后……"的八股结构，以及"通过本节课的学习，学生将掌握……"这种空话。我在指令里做了针对性约束：

你是资深教师，为指定课时撰写详细教案。要求： 1. 每个教学环节写明：教师活动、学生活动、设计意图； 2. 设计意图必须说明"为什么这样安排"，而非复述活动内容； 3. 引用教材原文时标注素材编号，引用个人笔记内容时须改写为通用表述； 4. 语言风格贴近真实课堂，避免"通过……使学生……"式套话； 5. 每节课至少设计 1 个互动环节和 1 个易错点提醒。

**设计意图必须说明"为什么"**这条是灵魂。普通教案写"教师提问，学生回答"，好教案写"此处提问是为了暴露学生的前概念误区，为后续概念转变做铺垫"。后者才是教案的价值所在，也是 AI 最容易偷懒的地方，必须用指令逼出来。

易错点提醒来自素材库里的冲突标注和我的教学经验。让 Agent 把"学生常在这里犯错"显式写进教案，上课时就有了抓手。

4.3 教案与 PPT 的衔接处理

教案写完不要直接扔给 PPT Agent，中间要做一次"内容对齐"。我的做法是让教案撰写 Agent 在每节课末尾额外输出一份"PPT 要点清单"，列出这一节课需要上 PPT 的核心内容点，按页面顺序排好。

这份清单是教案和 PPT 之间的桥梁。PPT 生成 Agent 拿到它，就知道每页该放什么，不会自己乱发挥。实测下来，有这份清单和没有，PPT 的返工率差了三倍以上。

5. PPT 生成：从内容稿到能投屏的成品

5.1 PPT 内容稿的生成策略

PPT 生成 Agent 的指令，重点在"页面节奏"而不是"内容多少"：

你是教学 PPT 设计助手。基于 PPT 要点清单，生成逐页内容稿。要求： 1. 每页只承载 1 个核心信息，标题即该页结论； 2. 每页正文不超过 5 行，每行不超过 20 字； 3. 需要图示的页面标注"建议配图：xxx"，并说明图示要表达的关系； 4. 每 5-7 页设置 1 个过渡页或小结页，控制信息密度； 5. 输出格式：页码、标题、正文要点、配图建议、备注（讲稿提示）。

标题即结论这条是让 PPT 不沦为"念稿工具"的关键。标题写"细胞分裂的过程"是描述，写"有丝分裂保证遗传物质均等分配"是结论。后者才能让学生一眼抓住重点。

每页正文不超过 5 行是硬约束。教学 PPT 不是阅读材料，字多了学生根本不看。这条约束逼着 Agent 做减法，效果立竿见影。

5.2 配图与版式的落地

内容稿出来后，配图是最后一道坎。我的处理分三类：

• 示意图：优先用素材库里已有的图，按内容稿的"建议配图"对应插入；
• 流程图/关系图：用 PPT 自带的 SmartArt 或简单形状手绘，比找图快且风格统一；
• 装饰性图片：能省则省，教学 PPT 花哨反而干扰注意力。

版式上我固定用一套模板：标题区、内容区、页脚（页码 + 课程名）。让 Agent 生成内容稿时按这个模板的容量来写，落地时直接套，几乎不用调。

提示：如果你用 WorkBuddy 生成网站或在线课件，PPT 内容稿可以直接作为网页的章节结构复用，把每页内容变成一个 section，配图建议变成图片占位。这套内容稿的复用性比想象中高。

5.3 生成结果的验收清单

PPT 内容稿验收，我盯这几条：

任何一条不达标，退回对应 Agent 重生成，不要手动硬改。手动改一页的时间，够 Agent 重生成整节。

6. 常见问题与排查技巧实录

6.1 生成内容"太水"怎么办

这是最高频的问题。根因通常不在模型，而在输入太粗。如果你给教案撰写 Agent 的只有一份大纲，它只能靠常识填充，自然水。解决办法是把素材库里的具体内容（案例、数据、原文表述）作为上下文一起喂进去，并在指令里要求"每个知识点至少引用一条素材编号"。

另一个原因是约束不够具体。"写得详细一点"是无效指令，"每个教学环节写明教师活动、学生活动、设计意图"才是有效指令。约束越具体，输出越实。

6.2 教案和 PPT 对不上

几乎都出在跳过了"PPT 要点清单"这一步。教案和 PPT 各自基于大纲生成，大纲是粗粒度的，两者在细节上必然分叉。补上要点清单这个中间产物，问题基本消失。

如果已经生成了对不上的两份，别硬凑。以教案为准，重新生成要点清单，再基于清单重做 PPT，比逐页对齐快得多。

6.3 素材冲突导致教案自相矛盾

这说明资料清洗阶段没做好冲突标注。回退到清洗 Agent，把冲突点显式标出来，然后在教案指令里加一条："遇到素材冲突处，采用可信度最高的来源，并在教案备注中说明取舍理由。"让模型显式做决策，而不是悄悄选一个。

6.4 本地部署时的缓存与性能问题

本地化部署跑多 Agent，缓存目录会随任务量快速膨胀。我的做法是把缓存目录指到独立的大容量分区，并定期清理已完成任务的中间产物。另外，多 Agent 并行时对内存占用较高，如果机器配置一般，建议把 Agent 串行执行，牺牲一点速度换稳定。

6.5 常见问题速查表

6.6 几条压箱底的经验

先跑通一节课再铺开。别一上来就把整门课的资料全喂进去，先用一个课时的材料把四个 Agent 的指令调顺，确认输出质量稳定了，再批量处理。我第一轮就是贪快全量跑，结果指令有问题，整门课返工。

中间产物全部留档。素材库、大纲、要点清单都存好，后面任何一环出问题，都能从最近的合格产物重新开始，不用从头再来。

给 WorkBuddy 定几条全局规则。比如"所有输出使用中文""引用必须标注来源编号""禁止编造素材中没有的内容"，这些规则设成对所有任务生效，能省掉每个 Agent 重复交代的麻烦，也降低跑偏概率。

别指望一次成型。多 Agent 流程的价值在于"可迭代"，第一版出来有 70% 可用就是成功，剩下 30% 靠针对性重生成和人工微调。追求一次到位，反而会在反复大改里耗掉更多时间。

7. 我个人的一点使用体会

这套流程我前后跑了七八门课，最大的感受是：AI 备课的瓶颈从来不是模型能力，而是你有没有把任务拆对、把上下文喂干净。同样一套 WorkBuddy，有人用出来是"生成一堆废话"，有人用出来是"半天搞定一周的备课量"，差别全在流程设计上。

结构规划那一步千万别省，它看起来只是中间产物，实际上是整条链路的质量锚点。还有，素材的可信度分级和冲突标注，是让教案"经得起推敲"的关键，教学场景对准确性的要求比一般写作高得多，这一点不能妥协。

最后分享一个小技巧：把每次调好的 Agent 指令存成模板，下次换一门课直接改学科关键词就能复用。我现在的模板库里躺着四套指令，覆盖文理不同学科，新课程从资料到教案 PPT，基本一个下午能出初稿。这个复用性，才是多 Agent 流程真正值钱的地方。