3天造一个AI视频转测验工具：Next.js 15+DeepSeek实战

从“看懂了”到“记住了”：一个开发者的主动回忆实验

你有没有过这样的经历：花两小时看完一堂机器学习公开课，全程点头如捣蒜，感觉每个概念都懂了，结果第二天被问起核心定义，大脑一片空白？

这不是你记性差，而是认知科学里经典的“解释深度错觉”（Illusion of Explanatory Depth）。被动观看视频会沿着艾宾浩斯遗忘曲线迅速衰减——据认知研究数据，如果在48小时内没有进行有意识的主动检索，超过70%的讲座内容会被遗忘。

一位自学开发者为此做了一个小工具：YouTube to Quiz AI，能把任何YouTube教育讲座在10秒内变成5道带时间戳解析的互动测验，并支持导出Anki兼容记忆卡片。项目从零到上线只用了3天，技术选型是Next.js 15、DeepSeek^广告-V3和Cloudflare边缘栈。

这篇文章不打算复述“我做了个工具”，而是拆解其中的工程取舍：为什么用DeepSeek做题目生成、字幕抓取如何绕过反爬、以及“时间戳引用”这个细节为什么是防幻觉的关键。

技术栈的取舍：轻量、快、可索引

项目的核心诉求很明确：边缘性能优先、TTFB（首字节时间）要快、SSR要对SEO友好。这三个目标基本决定了技术选型。

前端与SSR使用Next.js 15的App Router，大量采用Server Components，让教育知识库页面能被搜索引擎充分索引——对一个内容型工具来说，这直接关系到自然流量。样式层用Tailwind CSS，采用暗色优先设计，减少夜间学习场景下的视觉疲劳。

AI推理引擎选择了DeepSeek-V3 671B MoE。作者的理由没有明说，但从工程角度看，MoE架构在推理成本和大上下文处理上比较均衡，适合“读完整段字幕、再生成结构化题目”这类任务。数据库与鉴权用Cloudflare D1（Serverless SQLite）加Google OAuth 2.0，支付接入Waffo Pancake。整套栈的共同点是：没有需要长期维护的服务器，冷启动快。

底层工作原理：字幕抓取与上下文锚定

字幕提取的降级策略

多数开发者做YouTube字幕抓取时，会直接写一个标准爬虫，然后很快被YouTube封IP。这个项目把字幕请求路由到分布式的住宅代理worker池上（通过Supadata AI），以此规避封锁。

但更值得借鉴的是它的降级设计：如果视频关闭了字幕，或者存在地区限制，用户可以直接粘贴讲座笔记或字幕文本。这个“零摩擦fallback”看似简单，却把一个会直接失败的场景变成了可用路径——对工具类产品来说，失败路径的体验往往比成功路径更能决定留存。

用时间戳约束幻觉

生成测验题最大的风险是AI编造内容。作者的做法是在Prompt里强制DeepSeek-V3为每个正确答案引用视频中的精确时间戳：

const prompt = `
Analyze the following YouTube transcript. Extract 5 core conceptual questions.
For each question:
1. Provide 4 plausible options (1 correct, 3 distinct distractors).
2. Attach an educational explanation.
3. Reference the exact timestamp offset where this topic is taught in the video.
`;

这个约束有两层作用。其一是可验证性：用户点开时间戳就能回到原视频核对，题目不再是一个黑盒输出。其二是生成质量：要求模型定位时间戳，等于强制它把题目锚定在字幕的具体片段上，而不是泛泛地总结主题。配合“1个正确项+3个有区分度的干扰项”的要求，题目的难度也更接近真实测验，而非一眼看穿的送分题。

MoE（Mixture of Experts，混合专家）是一种稀疏激活的模型架构：模型内部包含多个“专家”子网络，但每次前向推理只根据路由机制激活其中一小部分。DeepSeek-V3 的 671B 参数总量中，每个 token 实际参与计算的参数远少于此，因此推理成本显著低于同等参数规模的稠密模型，同时仍能保持较大的上下文窗口。对于“读完整段字幕再生成结构化题目”这类输入长、输出结构要求高的任务，MoE 在成本与大上下文处理之间提供了较好的平衡点，这也解释了选型时为何没有采用更小的稠密模型或更昂贵的闭源 API。

住宅代理（Residential Proxy）指的是以真实家庭宽带用户的 IP 地址作为出口的代理网络，与数据中心代理相比更难被目标站点识别和封禁。YouTube 对高频、来自机房 IP 的字幕请求有较强的反爬策略，因此把请求分散到住宅代理 worker 池上，可以显著降低单个 IP 被封的概率。代价是成本更高、延迟波动更大，这也正是项目同时准备手动粘贴降级通路的原因之一。

“幻觉”（Hallucination）指大语言模型生成看似合理但与事实或输入不符的内容。在教育类题目生成场景中，幻觉的典型表现是编造视频里并未讲过的概念、给出错误答案，或让解析与原文脱节。常见的缓解手段包括在 Prompt 里写“不要编造”“只依据给定材料”等祈使句，但这类指令对模型的约束力有限，且无法被用户验证。

时间戳引用属于“可验证性约束”：它要求模型的每个输出都附带一个可回溯到输入的具体定位，用户点击即可核对。这类约束之所以比祈使句更有效，是因为它把“是否忠实于原文”从模型的自我声明变成了外部可检验的事实，同时也改变了模型的生成过程——为了给出准确时间戳，模型必须真正定位到字幕的具体片段，而不是笼统概括主题。

主动回忆的产品化：小工具背后的大逻辑

这个项目的价值不在于技术复杂度，而在于它把一条被反复验证的学习科学结论做成了低摩擦的产品。

艾宾浩斯遗忘曲线和主动回忆（Active Recall）本身不是新概念，Anki用户对此早已熟悉。但传统流程是：看完视频→手动做笔记→手动制卡→复习，中间每一步都在流失用户。把“视频→测验→闪卡”压缩成10秒的自动化链路，本质上是把认知科学的门槛降到了接近零。

从工程角度看，这类工具的可复制性很高：一个LLM调用、一层字幕获取、一个前端交互。真正难的是细节——字幕失败时的降级、题目与原文的锚定、导出格式的兼容性。作者在原文中强调这是为“自学开发者”做的，这个定位也解释了为什么选择暗色界面和Anki导出：目标用户就是那群深夜刷公开课、用闪卡管理知识的人。

项目目前提供20个免费初始额度，可以直接试用。对于想复刻类似工具的开发者，几个可以带走的经验：边缘优先的栈能显著降低运维负担；Prompt里加可验证的引用约束，比加一堆“不要编造”的祈使句更有效；以及，永远为最坏情况准备一条手动通路。