PHP不生成笔记，只负责调用AI、存储结果和切分重组；AI理解语义并生成Anki卡片，PHP仅清洗格式、统一换行符、提取Q&A对并确保标签紧贴A末尾。
PHP 本身不生成笔记，它只做三件事：把原始文本喂给 AI、把返回结果存下来、按需切分重组。想靠 file_put_contents() 直接产出知识卡片，得先明确谁在“理解”——是 PHP 还是 AI？答案永远是后者。
PHP 调用 OpenAI / Ollama 生成卡片时，必须手动构造 messages 结构
别信 SDK 自动拼 messages 数组。OpenAI 的 /chat/completions 接口要求 messages 是严格数组，每项含 role 和 content。常见错误是把整段提示词当 content 丢进去，却漏掉 role: "user"，导致返回空或格式错乱。
- 正确写法：
["role" => "user", "content" => "请将以下文字转为Anki Q&A格式：..."] - 若要保留原文语义精度，
content里不要塞指令+文本混合体；先用一个请求让 AI 提炼要点，再用第二个请求转格式 - Ollama 本地调用走
http://localhost:11434/api/chat，body 同样要带messages，但model字段必须显式传"phi-3"或"llama3"，漏了会 404
生成 Anki 兼容卡片时，PHP 只负责清洗和分隔，不参与语义判断
AI 返回的 “Q: … A: … #tag” 文本常混有 Markdown、编号、多余空行。PHP 的任务不是“理解哪句是问题”，而是用 preg_split() 或 explode() 拆出成对字段，并确保换行符统一为 \n —— Anki 导入 CSV 时只认 LF，Windows 的 CRLF 会导致字段错位。
- 用
str_replace(["\r\n", "\r"], "\n", $raw)预处理 - 匹配
Q:和A:建议用preg_match_all('/Q:(.*?)A:(.*?)(?=#|\n\n|\z)/s', $clean, $matches)，避免跨段捕获 - 标签部分（
#chapter2）必须紧贴 A 内容末尾，中间不能有空格，否则 Anki 解析失败
本地运行模型时，proc_open() 启动失败的典型原因
直接 exec('ollama run phi-3') 必卡死，因为 ollama CLI 默认交互式等待 stdin，而 PHP 不提供 TTY。要用 proc_open() 显式接管流控，否则进程挂起，超时后 proc_terminate() 也杀不干净。
立即学习“PHP免费学习笔记（深入）”；
- 必须配
['pipe' => ['r', 'w', 'w']]，其中第三个w是 stderr，用来捕获 “loading model…” 日志 - 写完 prompt 后要
fclose($pipes[0])，否则模型等不到 EOF 不响应 - 读取前设
stream_set_timeout($pipes[1], 30)，避免模型加载慢时 PHP 死等
最易被忽略的是：AI 生成的卡片质量取决于输入文本的颗粒度。扔进一整章 PDF，得到的 Q&A 往往跨概念、缺上下文锚点；而按小节切分 + 标注页码区间（如“P45–P48”），才能让 AI 输出可追溯、可验证的卡片。PHP 不解决这个问题，但它能帮你自动化切分和批量提交——这才是它该干的活。
