印度程序员用3行代码，让Notion自动帮你排课表

一个印度开发者用周末时间写了个工具，把AI生成学习计划的时间从2小时压缩到30秒。不是大厂产品，没有融资新闻，GitHub星标刚破百——但用过的人发现，这比市面上大多数付费工具都顺手。

「填表→AI生成→自动入库」，三步走完别人一小时的活

Sarvesh Murkute 在孟买做全职开发，备考AWS认证时被排课表折磨烦了。他的痛点很具体：Groq（一家做AI推理的初创公司）的Llama 3.3模型生成计划很快，但复制粘贴到Notion里要手动调格式、算日期、分任务块。

「我算了一下，每生成一次学习计划，后续整理要花40分钟。」他在项目文档里写道。这40分钟里，20分钟在调Notion的日期格式，15分钟在核对任务和日历对不对齐，剩下5分钟骂自己为什么不用Excel。

他的解法是把Groq和Notion MCP（模型上下文协议，一种让AI直接操作软件的标准接口）串起来。用户在前端填四个字段：科目、备考天数、每天学几小时、考试日期。后端收到请求后，先调Groq的API生成按天拆解的学习计划，再直接写入Notion数据库。

整个过程没有「导出CSV再导入」的环节，也没有「请手动复制以下内容」的提示。

Groq的Llama 3.3-70b模型在这里的角色像个经验老到的家教。Sarvesh给的prompt很克制：只要求返回JSON数组，包含day、topic、description三个字段。模型自己决定怎么拆分知识点、怎么安排复习节奏、哪天该上强度。

一个典型输出是这样的：Day 1扫基础概念，Day 3做第一次模拟，Day 5专门啃之前错题。模型会根据总天数动态调整颗粒度——给7天就每天一个细分主题，给30天就会插入周复习节点。

Notion MCP的真正价值：让AI从「说话」变成「动手」

这个项目最值得关注的技术细节，是Notion MCP的用法。

MCP（Model Context Protocol）是Anthropic去年推出的开放标准，目的是让AI能直接操作外部工具。以前AI生成内容后，用户得自己想办法「落地」——复制粘贴、写脚本、或者用Zapier串流程。MCP相当于给AI发了张工牌，让它能直接进系统改数据。

Sarvesh的实现里，Notion MCP是唯一的输出层。Groq生成JSON后，代码直接调用notion.pages.create，把每个学习任务写成Notion数据库里的一行。Task字段自动拼接「Day X: 主题名」，Date字段按用户填的备考天数倒推计算，Exam Date和Hours直接复用输入值。

这里有个产品层面的巧思：他没有让AI决定「每天学几小时」，而是把这个变量留给用户填。

原因是Llama 3.3对「人类执行力」有幻觉。早期测试时，模型默认用户能每天高效学4小时，结果生成的计划密度过高。把Hours做成必填字段后，AI只负责排「学什么」，不负责猜「你能学多久」——边界清晰了，输出稳定性反而上去。

数据库结构也做了约束：五个固定列（Task、Date、Exam Date、Hours、Subject），不接受AI自由发挥。这种「有限自由度」的设计，避免了AI乱加字段导致Notion视图崩掉的情况。

为什么大厂没做这么顺手的工具？

市面上不是没有AI学习规划产品。Reclaim.ai能自动排日程，Notion AI本身也能生成待办，但两者都卡在同一个环节：AI和操作系统的接缝处。

Reclaim的问题是太重。它要接管你整个Google Calendar，学习只是其中一个场景。Notion AI的问题是太轻。它能生成文本块，但写不进数据库，更没法按日期自动排程。

Sarvesh的方案取了个中间态：不碰你的日历，只写Notion的一个数据库；不追求全场景覆盖，只解决「备考排期」这一个痛点。代码量不到200行，但切口精准。

GitHub仓库的issue区有个有意思的反馈。有用户问：能不能支持多科目并行？比如同时备考AWS和CKA。Sarvesh回复说可以改，但建议用户「先跑通单科目，再考虑复杂度」。这种克制在开源项目里少见——多数作者会急着加功能换星标。

另一个细节是成本。Groq的Llama 3.3-70b按token计费，生成一次完整学习计划约消耗8000-12000 token，成本在0.003美元左右。Notion MCP目前免费。整个工具跑在Vercel免费 tier 上，用户自己部署的话，月成本基本为零。

从「玩具」到「工具」的最后一公里

这个项目现在还是「开发者友好」状态。部署需要填Groq API key、Notion integration token、数据库ID，对非技术用户有门槛。但Sarvesh放出了完整的前端表单代码，理论上可以包装成一键部署的模板。

更值得关注的是MCP生态的成熟度。Notion官方还没正式支持MCP，Sarvesh用的是社区实现的notion-mcp-server。这意味着接口可能变动，但也说明标准本身在快速迭代。如果Notion官方下场，这类工具的部署成本会再降一个数量级。

有个对比值得玩味：同样做AI+学习规划，国内某大厂的产品需要用户手动选择「备考强度等级」（轻松/标准/冲刺），然后AI生成一个不可编辑的PDF。Sarvesh的版本让用户填具体数字，输出直接写进可筛选、可排序、可关联其他页面的Notion数据库。

两种路径，一个把AI当黑盒包装成「智能感」，一个把AI当管道追求「可控性」。后者显然更符合25-40岁用户的胃口——这个群体要的不是「AI帮我思考」，是「AI帮我省掉重复劳动」。

Sarvesh在README底部加了一行：Built with ❤️ from India 。没有「颠覆教育行业」的宣言，没有「下一代学习OS」的包装。但issue区已经有用户在问：能不能接入Claude 3.7？能不能支持Anki卡片自动生成？

如果Notion MCP明年成为官方标准，这类单点工具会不会批量涌现——还是说，大厂终于意识到「让用户自己填四个字段」比「猜用户想要什么」更靠谱？