大家好，我是启迪，AIGC探索者，专注研究AI提示词、AI工具及 AI 自媒体工作流，探索AI全面赋能工作与生活。

如果告诉你，搞定几百页的专业考试资料，只需要 10 分钟，你信吗？

最近我们集团推行数智化转型，机会非常宝贵，但门槛也很高，必须通过一场高难度的理论考试。 这不仅仅是考知识，更是考验谁能在这个时代更高效地解决问题。

大多数人选择了最传统的战术：死磕文档。而我选择用魔法打败魔法。

我搭建了一条自动化的工作流：投喂 PDF -> 拆解内容 -> 自动生成题库 -> 开启刷题模式。 原本枯燥的“填鸭式阅读”，瞬间变成了游戏化的“通关刷题”。

这就是 AI 时代的降维打击。 不管你是为了应付考试，还是想快速吃透行业报告，这套方法都能让你效率翻倍。不废话，直接上干货。

这件事情的底层逻辑不难：解读 PDF 的文字，交给大模型出题，最后写入文件。

但是，这里面的方案值得细究。PDF 的内容直接发给大模型解析吗？400 页的 PDF 文字直接发给大模型阅读，然后出题吗？显然不行。

拿到 PDF 第一步，当然是把文字内容提取出来。这里我踩过一些坑，分享三种方案的实测体验：

方案一：让大模型直接 OCR 解析

听起来很美好，但实际操作下来，一页一页读，效率不敢想；token 消耗大，钱包心疼；而且不同模型的识别能力参差不齐，还得担心"幻觉"问题。果断放弃。

方案二：N8N 内置节点「Extract From File」

这是我最终的选择。解析稳定、速度快，几百页的 PDF 一次性搞定，省心省力。唯一的小缺点是对扫描版 PDF 或老旧格式支持一般，但对于我这种文字清晰的复习资料，完全够用。

方案三：专业选手 Mistral OCR

之前文章介绍过这个工具，识别精度非常高，费用也不贵。如果你的资料是扫描件或者对准确度要求极高，可以考虑这个方案。

把文档内容提取出来后，下一步就是让大模型帮我设计习题了，这也正是它的强项。

不过有个关键点：千万别把几百页内容一下子全塞给它。

大模型有 token 长度限制，而且内容太长，它的"注意力"也会分散，出题质量反而下降。

我的做法是：先对文档分块，再为每一块单独生成 2-3 道题目。

至于题目出得好不好，就看提示词的功底了。

「Convert To File」节点需要指定 PDF 的读取路径和题目的输出路径。

我这次用的是 Zeabur 云端部署的 N8N，所以选了 Google Drive 作为存储。如果你是本地部署，直接读写本地文件夹会更方便。

在正式搭建工作流前，先做好几项准备工作。这几项工作准备好，后续搭建其他工作流时也会用得上。

这个没啥说的，必须有一个，能使用自己的邮箱注册最好。实在不行，就去某鱼某宝淘一个。

Step1：登录谷歌云平台

浏览器访问：https://cloud.google.com/，谷歌近期推出了300$赠金的活动，直接点击链接。

点击“免费开始使用”，使用账号一步步按照提示操作，登录。

在配置账号的过程中，提示绑定付款账号，可以使用招行的万事达全币种信用卡、国内银行的Visa卡、海外信用卡，我目前用的是阿里系的万里汇。

Step 2：激活账号

完成账号配置后，进入控制台：https://console.cloud.google.com/，激活账号。

我借用李李老师的截图：

点击「激活」，完成激活。

Step 3：创建项目

在控制台的左上角，可以看到谷歌默认创建了一个项目“My First Project”，我们可以直接用它，也可以自己新建一个项目。

我们后续创建的API和OAuth认证，都要在同一个项目下。

Step 4：开启API权限

API用在工作流中鉴权，直接调用谷歌大模型。

• 点击左上角导航菜单：

• 点击“已启用的API和服务”。

• 点击“启用API和服务”，搜索“Generative Language API”，并点击进入

• 点击“启用”

• 使用同样的方法，搜索“Google Drive API”，并启用。

Step 5：创建API

• 点击「凭证」页面

• 创建API密钥

填写必要信息，如下图所示。

创建好后，保留好密钥，后续使用。

Step 1：进入OAuth 页面

点击左上角，在「API 和服务」点击“OAuth 权限请求页面”。

点击「概览」，进入项目配置页面。如果是第一次进入这个页面，需要配置一下。如果已经配置过了，就可以跳过下面这些配置步骤，直接进入 Step 2。

• 点击“开始”，进入配置流程。

• 填写应用信息

• 填写受众群体和联系方式，点击“创建”按钮，完成创建工作

• 发布应用

点击「目标对象」，发布应用。这时应用正式生效，外部可以对它正式“访问”。

Step 2：创建OAuth客户端

• 点击「客户端」，创建客户端

• 选择应用类型：Web 应用

• 获取重定向 URI

进入 N8N，点击左侧边框的「Personal」，选择“Credentials”。

点击“Create credential”，在下拉框中选择“Google OAuth2 API”

复制OAuth Redirect URL，留用。

• 将 URI 填入“已获授权的 JavaScript 来源”

点击「创建」，完成客户端注册。

• 保存客户端 ID 和客户端密钥，留用

Step 3：在N8N上完成鉴权

• 回到 N8N 的 Google OAuth2 API 界面，填写客户端ID、客户端密钥。

填写 Scope：https://www.googleapis.com/auth/cloud-platform，点击“Sign in with Google”

• 按照引导，一步步完成谷歌登录认证。需要注意，在过程中提示勾选权限时，全部勾选即可。

这样，Google OAuth2 API 配置完成。

浏览器打开Google Drive： https://drive.google.com/drive/home，新建一个目录，将需要分析的材料（PDF）上传到文件夹中。

查看url，“folders”后面的字符串就是目录ID，留用。如下图所示：

需要说明的是，我是以PDF资料为例，如果材料中还有其他格式，可以在工作流中增加分支，分别解析，集中处理。

节点一：Google Drive（Search files and folders）

添加Google Drive节点，选择“Search files and folders”。用于列出文件夹内的文件。

节点的参考设置如下图所示。其中，Filter选择“By ID”，填写目录ID，这样就可以指定目录内搜索。

节点二：Loop

由于解析多份文件，串行处理，所以增加Loop节点。

节点三：Google Drive（download file）

设置如下图所示。File选择“By ID”，值为“{{ $json.id }}”，即Loop节点正在循环的文件ID。

节点四：Extract from File（Extract from PDF）

设置如下图所示，默认即可。

节点五：code

一份文档的文字内容通常很多，一下子发给大模型会吃不消。好的方案是把文档内容切割成一段段的，每一段去生成练习题，效果会很好，题量也够。

所以这一步使用code节点将完整的文档内容分割，每一段的长度在代码中可设置。

// 获取上一步提取的完整文本// $input.item.json.text 正好对应您提供的 JSON 结构中的 text 字段const fullText = $input.first().json.text || "";// 获取书名（优先用 PDF 元数据里的 Title，如果没有就叫 Unknown）const pdfTitle = $('Download file').first().json.name && $input.first().json.info.Title ? $('Download file').first().json.name : "Unknown PDF";// --- 配置区域 ---// 建议设置为 4000~8000。太小会导致题目太碎，太大可能会丢失细节。const CHUNK_SIZE = 5000; // ----------------// 1. 简单清洗：把连续的多个换行符替换成一个，去除首尾空白const cleanText = fullText.replace(/\n+/g, '\n').trim();// 2. 开始分块const chunks = [];let currentPos = 0;let chunkIndex = 1;// 如果文本为空，直接返回空数组防止报错if (!cleanText) {return [];}while (currentPos < cleanText.length) {  // 截取一段文本let chunk = cleanText.substr(currentPos, CHUNK_SIZE);  chunks.push({    json: {      // 这是我们要发给 Gemini 的核心内容      chunk_text: chunk,       // 标记这是第几段，方便后续排序或查错      chunk_index: chunkIndex++,       // 标记书名，这样生成的题目你就知道是哪本书的了      source_source: pdfTitle     }  });  currentPos += CHUNK_SIZE;}// 返回分块后的数组// n8n 会自动把这个数组转换成多个 Items，接下来的 Gemini 节点会针对每一块运行一次return chunks;

节点六：大模型（Gemini）

新增一个Gemini节点，配置如下图所示。

由于N8N自身的“并发机制”，在上一个code节点分出的一个个片段，会自动地并发传送给Gemini。也就是说，Gemini会一次性地处理好每一个分段，不用额外增加loop节点来循环。

同时在这一步，大模型负责生成模拟题很灵活，可以要求它生成单选、多选、填空题等。如果能够给它参考例子，就更好了。

参考提示词如下：

# Role你是一位拥有 10 年经验的集团级数智化转型培训专家，擅长根据复杂的业务文档设计高水平的专业资格认证考试题目。你的出题风格严谨、逻辑性强，能够精准考察考生对核心概念的理解与应用能力，而非简单的死记硬背。# Background我所在的集团正在推行数智化转型，需要对员工进行专业能力筛选。我提供了一份 PDF 学习材料的文本片段（来源于书籍《{{ $json.source_source }}》），你需要帮我从中提取考点，设计模拟题，帮助我高效复习并掌握核心知识。# Task请深入阅读并分析提供的【文本片段】，挖掘其中的核心概念、业务逻辑或操作规范，生成 **3 道高水准的客观题**。具体题型分配如下：1.  **单选题**：2 道2.  **多选题**：1 道# Requirements1.  **严格基于文本**：所有题目和答案必须完全来源于提供的【文本片段】，严禁引入外部知识或产生幻觉。如果文本内容不足以生成 3 道题，请只生成能确保质量的题目。2.  **考察深度**：    * 拒绝“连连看”式的关键词匹配题。    * 题目应考察对概念的辨析、流程的逻辑顺序或场景应用。3.  **高质量干扰项（关键）**：    * 错误选项必须具有**迷惑性**（Plausible but incorrect）。    * 可以使用文本中出现的易混淆概念、错误的因果关系或张冠李戴的描述作为干扰项。    * 严禁使用“以上都对”、“以上都错”这类凑数的选项。4.  **解析详尽**：答案解析必须指出正确选项的依据（引用原文），并简要说明错误选项为什么错。5. 选项内容简洁，避免冗长。# Examples（单选）1.中国一汽通过数智化转型，实现了员工能力和绩效管理的优化，不包含以下哪一方面:A.经验驱动转变为数据驱动B.结果导向转变为过程导向C.个人评价转变为战队评价D.粗放管理转变为精准管理正确答案：C* **正确项分析**：[解释为什么选这个，引用原文关键词]（单选）2.中国一汽为满足客户个性化、即时化需求，全面开展营销数智化。通过构建全面的数据资产体系与智能化数据分析平台，能解决以下哪些问题?A.数据记录、效果分析及资源分配问题B.推动企业与客户关系的深度变革C.实现从产品导向到用户导向的转型升级D.以上都有正确答案：D（单选）3.中国一汽提基于业务单元理念构建云工作台，实现研发与营销、采购、质保等部协作的信息打通。针对开发场景中普遍存在的数据版本多、任务可追溯性差、重复操作耗时等问题，通过云工作台，实现了协同效率的提升。云工作台开发设计工作的特点不包括。A.共享化B.在线化C.自动化D.智能化正确答案：D* **正确项分析**：[解释为什么选这个，引用原文关键词]（单选）4.数据管理的关键流程不包括?A.主数据治理B.信息架构治理C.数据需求管理D.数据技术管理正确答案：D* **正确项分析**：[解释为什么选这个，引用原文关键词]指标数据治理的"五阶十六步"法中，五个阶段分别为:1指标数据设计、2数据探源认证、3指标设计发布、4模型服务设计、5指标数据应用，顺序正确的为单选息A.12345B.21435C.31246D.23415* **正确项分析**：[解释为什么选这个，引用原文关键词]# Input Data1. 文本片段："""{{ $json.chunk_text }}"""2. 全文描述以及背景："""{{ $('Extract from File').item.json.metadata['dc:description'] }}"""

节点七：code

将大模型输出的题目进行格式化，包括设置文件名称、提取题目内容等等，也就是你最终看到的题目的全部内容。

// 获取所有 Gemini 生成的结果项const items = $input.all();// 初始化一个空字符串来存放合并后的内容let combinedContent = "";let fileName = $('Loop Over Items').first().json.name;// 遍历每一个分块的结果for (const item of items) {  // 1. 安全地提取 Gemini 回复的文本  // 路径对应您刚才提供的 JSON 结构: candidates[0].content.parts[0].text  const generatedText = item.json.candidates?.[0]?.content?.parts?.[0]?.text;if (generatedText) {    combinedContent += generatedText + "\n\n---\n\n"; // 每个分块之间加个分割线  }  // 2. 尝试获取书名（只要获取一次就行）if (item.json.source_source && fileName === "未知书名") {    fileName = item.json.source_source;  }}// 在开头加上标题combinedContent = `# ${fileName} - 自动生成题库\n\n` + combinedContent;// 返回整理好的数据return [  {    json: {      fileName: `${fileName}_题库.md`, // 设置文件名，比如 "迈向数智化_题库.md"      fileContent: combinedContent    }  }];

节点八：Convert to File

把上一步节点梳理好的题目内容保存到文件中，在这个例子中，我使用 md 格式来保存。

节点配置如下图所示：

节点九：Google Drive（Upload file）

这一步，将生成好的md 文件上传到 Google Drive 中。

现在呢，这条工作流就搭建好了，它帮我生成的题目质量还不错，不出意外的话，初试应该是个高分 hiahia～

有朋友问，你是怎么 10 分钟搭建出工作流的？答案就在这几期的文章中～

对的，就是使用我的“N8N 问题助手”和“N8N 编程助手”，当我把需求发给它，从解题思路、方案选择、节点配置到工作流搭建，每一步都为你量身定制，非常给力！

想要这个“助手”的朋友，可以翻翻我最近几篇文章，不赘述了哈。

以前我们常说“勤能补拙”，但在数智化时代，“勤奋”的定义已经变了。

死记硬背几百页 PDF 是勤奋，搭建一套工作流自动化处理也是勤奋。但前者是在消耗自己，后者是在“积累资产”。

这套 N8N 自动化流程，搭建一次，复用无数次。 哪怕考试结束了，这种拆解问题、利用工具降维打击的能力，才是谁也拿不走的职场护城河。

如果你也想在这个技术爆发的时代，掌握更多AI 提示词、智能体工作流的实战技巧，欢迎关注我。

让我们一起，用 AI 撬动更大的职场杠杆。

在后台发送「工作流配置」，免费获取完整配置文件吧！

欢迎来链接我~

#<AI入门亲测指南>精彩链接#