印度程序员用3行代码，让Notion自动帮你排课表|3行代码|上下文|程序员|调用

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。