RamenCurator

为什么能看到这件事？这种信息一般不应该被封禁报道吗？还是因为这件事比起来算阳光？

真麻烦，整天车跳来跳去。
不跳待久了又要被收割。

我也是

@Augoror 把分享链接封装成桌面快捷方式，就变 1 下了。

打算了解老板对下属的 pua 相关事项时，搜 pua 于是误入了此节点。
由于目前其实不是很感兴趣，所以文章内容其实没有细看。

但我留意到好像很多人感兴趣，因为点击量之类的比我发的帖是十倍以上。
而稍微浏览了一下，这个节点也人烟稀少，本文也没有了后续。

因此，我直觉，这里应该开个博客一直写来着的。不然就“小时了了，大未必佳”了。
我见过太多只有开头而没有后续的文了。
嘛，只是随口讲讲哈哈。

祝顺。

gpt 5.5 跑我这个 prompt ，一个牌组（ 45 张左右的卡片）用了我 100 人民币。
gpt 5.4 还行。一个牌组 14 元人民币左右。
gpt 5.4 nano 和 mini （代号我不太记得了），不行。
gemini 的 API 我用的时候，总是多出标签符号，也许是 openclaw 的 bug 。

而我现在 deepseek pro 的优惠还在，跟 deepseek flash 的 api 价格在同一个数量级。处理一个牌组的费用大概是人民币 1 块钱。

但是太慢了。不记得是不是 high 的了，二三十分钟左右，逐个处理完毕。然后自己再手工看一遍，还会发现小问题。比如换行被变成空格了。再跑一遍又很久（不知道是不是 prompt 的原因）。

试了让 deepseek pro 自己弄一套子进程的方式，把 50~110 牌组全部走一遍。挂了两天似乎。走完了，但是发现很多牌组只走了一半。
总之，有非常多的想不到的错误。

我自己手工处理，在 50~110 牌组被初步走一遍的情况下，1 牌组要 40 分钟。

这条路的变数还非常多。

在此预警后来者做好准备。

@johnhuangemc2

用 agent ，像开一辆轮子会自己偏掉的车。

目前我的处理思路是拆分成小任务，走一会儿，挪一下方向盘。不行就倒回去重开。

我将 5140 张牌均匀地分成 110 个牌组。
每次只处理 1 牌组，并且开启 [AI 手工模式] ，禁止 AI 用脚本批处理。封装了 [好了喊我声] 的 skill 。

大概就是让它跑 1 批次的牌组，我验收，不行再提需求迭代。迭代无望，就回滚重来。迭代得可以，就将本次牌组做好“xx 号处理好”备份。并对下一批次的牌组做“xx 号未处理”的备份（也封装成 skill 了）。

每次迭代可能更新 prompt ，也可能不更新。处理一批牌组后，杀死会话，开启新会话。继续处理下一批牌组。

目前进行到 21 号牌组（早上到现在晚上 10 点了）。
这是目前的 prompt 。

```
你的前任 AI ，把感知 Anki 的办法写在 skill 里了。

这些卡片来源于不同的阅读背景和上下文，卡片文本存在极高的格式变异性，这使得依赖正则表达式或统一逻辑的传统自动化脚本完全失效。
此外，任何在重构过程中导致格式偏移或换行符坍塌为空格的错误，都将造成卡片可读性的断崖式下降，使其失去复习价值。
最小化原则规定每张闪卡只能测试一个不可分割的原子化知识点 。
[最小化原则拆分规则]
- 每张新生成的卡片只能测试“一个核心原子事实”（ Atomic Fact ）。如果源卡片的正面包含了多个不相关的词汇、多个复杂的背景事实，你必须将其拆分为两张或多张独立的新卡片。

目前我作的正面的记号。
加粗，表示要回忆对应的起意思。
下划线，表示要回忆起对应的语法知识。
高亮，表示要回忆起对应的发音信息。
音频数量不固定。一张包含了 10 个词汇 的卡，由于当时觉得的必要性缘故，可能收录了其中 3 个词汇音频。
制卡时想的是，回忆起整句的意思，所以有些地方觉得不是回忆重点没有加标记（比如加粗），但还是留一下防止后来不记得的那种词汇释义。这些地方我现在也要拆分成新的独立的卡。
图片也不一定只有 1 张，有时候为了描述有些名词，我会到网上找对应名词的图片，所以也存在了一张卡包含了多张图的可能，拆分的时候也要把图放到对应卡里。
这些是我记得的了。也许还有不记得的。
总之，都不是固定的，你必须以真实用户的角度领悟我原先制卡的意图。我现在也不一定能准确地说出来。
所以每次拆分卡片，都是一次独立的任务。
而且背面的信息也不一定是格式化的。
自动化脚本完全失效。
是非常非常困难的任务。

拆分成原子卡后，把该知识点的词汇，放到 VocabKanji 字段中来。因为我在卡牌浏览器中设定这个字段为牌组字段，这样可以方便我浏览。

拆分后，音频记得要匹配，我想你也许你可以播放听一下。有的是句子，有的是单词级别的 TTS 片段，总之，情况很复杂，总是不一样。
你的前任 AI 出现过一个原子卡却多包含了多个（指的是多个不同的 mp3 文件，而不是单一文件里的多个词）原多词卡的其他词的音频的情况，也出现过把原来的音频误删的情况。还出现过 SentAudio 和 VocabAudio 塞了同一个一模一样音频的情况（一个就够，最好在 SentAudio ）。
你的前任 AI 出现过，把单词级别的 TTS 片段的音频当成用不到给删了，但其实，对应的音频是原多词卡中的某个词。我不知道你是否能认出来音频与原子卡（正面有时可能是句子，背面有时是对应的原子知识的词）上的词的关系。
你的前任 AI 出现过，在一张包含了可能 10 个词汇的卡，由于我本人当时觉得的必要性缘故，可能收录了其中 3 个词汇音频的情况下，死板地第一个音频放在第一个词，第二个音频放在第二个词地顺序排列了。以真实用户角度，应该知道是听一下的吧。
如果有单个词的音频和整个句子的音频放一起，那单个词的音频要放在前面，句子放在后面。否则句子听完已经认出来了，单个词已经不用听了。这是真实用户角度能理解的事情吧。

你的前任 AI 出现过在一张原子卡对其他词汇取消加粗却没有取消高亮的情况。

记得不要被规律骗了，看起来好像都一样，但由于极高的变异性，实际可能并不一样，逐个地检查会比较好。比如前任 AI 出现过将某卡当成原子卡但实际上是非原子卡的情况。

有时候我会句子卡里放以一整句话，和一些词。整句话也单独列成卡吧。记号就定为用 [] 把整句包起来。但句子卡应只在背面中出现整句的意思的时候才做。有时候并不是整个句子，而是半个句子，甚至只是一部分，这也同理。

你的前任 AI 出现过日语沉浸卡的颗粒度不够原子的问题。
你的前任 AI 出现过，只有发音的多词卡没有拆分的问题。
你的前任 AI 留了个英文短片段音频识别的 skill ，也许你用得上。
你的前任 AI 出现过没有填充 VocabKanji 字段的情况，要填充。

新增的笔记要放在原来的子牌组中，而不是工作区 xxx 这个层级的牌组中。

我要你以真实用户的角度，一张一张地、 手工地，对我 [~工作区 021] 的牌组，进行 [最小信息化] 处理。我觉得正面你可以改变的，只有加粗、下划线、高亮(否则我觉得你将破坏我的排版，使得正面失去可读性。）你必须以真实用户的角度领悟我原先制卡的意图。制作出一张你以真实用户角度自测来说，可以满意的卡。这是一项长期任务。
如果遇到了问题，按你认为的最优解来。

拆成多卡后，记得将原来的多词卡删除。

做完后记得以真实用户角度自测一遍，我不在乎 token 数量，在乎质量。

```

我认为我失败了。恢复备份。我宁可花更多的时间自己做了。

实际用起来，问题还是很多。
迭代了几次尝试完美解决，放弃了。
算部分完成了。拆词已经帮我省了许多时间了。
结合最先备份的卡片，一边背诵一遍修改产生的错误了。