我们拿一本不算太难的线代书来做一番实验。

这本是英文原版，四百多页，直接喂给 DeepSeek 或 Kimi，你会发现它们都吃不下。

DeepSeek、Kimi 都吃不下，RAG 分片也不完美，分章又丢关联性。

其实呢，G 老师早就练就此功，只等我们召见它。而且，即便这么大功耗，仍然是免费用！

不过 G 老师是哪位大侠？嗯，就是 Gemini！下面就来看看 G 老师应对大块头的效果，会不会也是偷偷分块呢？或者吐出来的知识不完整呢？

1、全书硬啃

选择胃口最大的模型 Gemini 2.0 Pro，上传书本，一次消耗 10 万多 tekens。对它标榜的 200 百万来说还是小菜一碟。

我们让 Gemini 从整本书中提取所有知识点概念，并逐一详细介绍这它们，包括定义，解释，重要例子，以及知识点之间的关联。因为返回是整个的，因此我们预先让它把知识点分块，每个分块用 [chunk] 和 [/chunk] 标记起来。

随便录了一段，看看这个 G 老师干活的样子。

通过几分钟的哧啃哧啃，终于完成任务了，中间偶然也会停顿，让它继续就行。

大致看了下，也没有太多概念，总共差不多五六十个。

接着，让它统计下全书中出现频率最高的前十个概念，并列出这些概念和出现次数。

顺手试下 Gemini 刚发布的 Canvas 功能，让它画一个环状直方图，右侧直接可以看到效果，但感觉还差那么一些火候。

下面是这方面的王者 Claude 3.7 画的，实际还是带动态效果的。

然后，将它提取的知识点导入 Obsidian 中。因为是在一个文本里，因此需要我们自己把知识点抽取出来。因为之前在写一个 Obsidian 插件，这会儿顺手加个代码就能一键分解所有知识点到各自的 Markdown 文件中。

知识点自动提取以后，在 Obsidian 里可以用 graph view 直接看到知识点之间的关系图谱，见下图，右侧是还在完善中的插件。

在 Obsidian 这里，知识点像星空一样连成网，鼠标一点就跳出关系图，帅到飞起！

我们再用插件里已经实现的画导图功能看看它提取出来的概念及大致关系，下图展示的是部分关系图，

再看看它提出来的一些知识点，中英双语，有些还有例子，且都记录了关联的知识点，这样方便我们构建双向链接关系的知识库。

1）可逆线性映射，

2）子空间，

3）商空间，

4）广义特征空间，

2、分章笔记

下面我们再分章来处理，比如让 Gemini 根据第 6 章的内容生成一个中文笔记，顺便把这章概念的关系图也画一下。

另一个版本，

书里面的确分了 A、B、C 三部分，再看笔记内容。

整个第 6 章被压缩到没几页了，如果你觉得内容不够，可以随时在 Obsidian里编辑、增补笔记啥的。

最后，顺便秀一把插件里实现的一个功能，让 Gemini 2.0 Pro 根据第 6 章的笔记生成一个既像知识卡又像 PPT 的漂亮课件。一个公式都不用手动敲哦，另外，还有不同风格可选。

3、写在最后

从啃书到出精美课件，全程 AI 一条龙服务，是不是香到爆！即便是数学书，也不用敲公式！不管你是老师还是学生，G 老师都能帮到你是不！

想象一下，你能让 AI 把书「嚼碎」喂给你，甚至直接生成考试重点、考试题目或创意灵感。这种玩法，是不是已经让你有点心动了？试试看吧，别让好书再吃灰了！

不过，可能有朋友会说，请不动 G 老师怎么办？其实也不用担心，下期我们会介绍也能干这事的国产之光。