AnkiGen.LLM：利用大语言模型自动将任何内容转换为结构化Anki记忆卡片

AnkiGen.LLM 是一个完整的 AnkiConnect API v6 Python 封装库，提供了一套高内聚、低耦合的面向对象自动化工具链，专为将LLM输出可靠地转换为Anki卡片而设计。

• 原作者/维护者： jacky917
• 来源平台： GitHub
• 原始标题： AnkiGen.LLM
• 原始链接： https://github.com/jacky917/AnkiGen.LLM
• 发布时间： 2026年5月13日

---

AnkiGen.LLM 是一个完整的 AnkiConnect API v6 Python 封装库，提供牌组、笔记、卡片、媒体、模型管理的 CRUD 操作。它不仅仅是一个API封装，更是一套高内聚、低耦合的面向对象自动化工具链，专为"将大语言模型输出可靠地转换为 Anki 记忆卡片"而设计。

该项目采用强严格类型校验与 Pydantic 控制，确保从LLM生成的内容能够准确、可靠地导入到Anki中，解决了传统手动制卡效率低下和格式不一致的问题。

---

系统采用分层架构，通过HTTP POST与AnkiConnect插件通信：

Python应用程序 → HTTP POST → AnkiConnect插件(端口8765) → Anki数据库

配置通过.env文件管理，包括主机地址、端口和API密钥等连接参数。

config_manager.py

读取.env文件并配置pydantic-settings与全局日志，为整个工具链提供统一的配置管理。

llm_client.py

封装异步AsyncOpenAI客户端，负责向兼容OpenAI格式的LLM（如Gemini）发送请求，并强制约束JSON返回格式，确保输出结构符合预期。

anki_model_manager.py

扫描./anki_models/目录中的JSON Schema文件作为LLM Response Format，并封装AnkiConnect的Action，利用httpx异步发送请求。这是连接LLM输出与Anki卡片的关键桥梁。

main_workflow.py

提供给终端用户的自动化入口点，协调各组件完成从文本到卡片的完整转换流程。

---

1. 配置加载： 从环境变量读取API Key、URLs等配置
2. 模型Schema获取： 从anki_models/目录加载指定的JSON Schema文件
3. LLM结构化数据生成： 使用response_format强制LLM输出JSON格式的结构化数据
4. Anki Action创建： 基于结构化数据创建添加笔记的Action
5. 异步提交： 通过HTTP POST异步发送到AnConnect服务器
6. 结果返回： 获取并返回新生成的笔记ID

系统实现了完善的错误处理：

• 成功时返回操作结果
• 失败时抛出AnkiConnectError异常
• 包含详细的错误信息便于调试

---

项目自带一个复杂的TOEIC_Coach卡片模型定义，展示了如何针对大语言模型特性优化Anki卡片版型。