Skip to main content

video-script

口播稿,适用于 AI 技术科普、Agent/Skill/RAG、LLM 等底层原理讲解,以及面试题拆解、工具实测、热点普及。支持两种用法:给定主题从零产出口播稿、对已有口播稿进行优化。触发关键词包括:口播、口播稿、video script。

Quellinformationen

Repository
itwanger/toBeBetterJavaer
Letzte Quellaktivität
8. November 2026 um 00:53
Erkannte Sprache von SKILL.md
Chinesisch
Sterne
17.837
Forks
2.427

Installationsoptionen

Standardmäßig ist der Prompt ausgewählt, der zuerst die Quelle prüft. Sie können zu einem direkten Befehl wechseln oder eine lokale Kopie herunterladen.

Quelldateien prüfen

Lesen Sie SKILL.md und alle von SkillsMP angezeigten Begleitdateien, bevor Sie sich für eine Installation entscheiden.

Datei-Explorer
3 Dateien

SKILL.md wird angezeigt

SKILL.md
Quellanweisungen · Schreibgeschützte Vorschau
name
video-script
description
口播稿,适用于 AI 技术科普、Agent/Skill/RAG、LLM 等底层原理讲解,以及面试题拆解、工具实测、热点普及。支持两种用法:给定主题从零产出口播稿、对已有口播稿进行优化。触发关键词包括:口播、口播稿、video script。
# 口播稿生成工作流 ## 定位与核心参考标准 面向王二讲Agent的口播稿,主打 AI 技术硬核拆解、源码级原理科普和热点实测。观众是对 AI 感兴趣的开发者和技术爱好者。 **首选标杆稿件(写稿前必读,只学终稿的正向表达与追问节奏)**: - 追问节奏与实测拆解标杆:`docs/src/ai/video/xiaomi-ocr-0.md`、`docs/src/ai/video/what-is-computer-use.md` - 原理科普标杆:`docs/src/ai/video/context-compaction-vs-kv-cache.md`、`docs/src/ai/video/why-not-timestamp-in-system-prompt.md` 视频封面是制作素材,写回 `docs/src/ai/video/` 时,将末尾封面及其标题放入 `<!-- video-covers:start -->` / `<!-- video-covers:end -->` 注释区;讲解配图保持正常显示。同步和验收使用 `feishu-question-bank-sync` Skill 的封面规则。 --- ## 标准结构与格式 ### 1. 开场切入与 30% 进度节点 1. **一句大白话交代场景与目的**:从观众熟悉的日常场景或核心事件切入,一句话讲清楚“是什么、什么情况下会做什么、为了什么”,不堆砌啰嗦的界面细节,配 1 张真实界面截图占位符。 2. **展开核心看点或引出主线**:结合主题自然展开——既可以直接展示具体操作与输出体感(如 `xiaomi-ocr-0.md`),也可以点明前提规则、引出核心问题(如 `context-compaction-vs-kv-cache.md`)。 3. **30% 进度节点**:进入正片第一层前,单独成段写一句:`恭喜看到这里的你,已经成功击败 30% 的学习者。` ### 2. 逐层拆解(3-4 层递进 + 进度节点) 每一层根据当前主题要讲的内容自然推进,按以下节奏展开: 1. **加粗追问句开头(统一采用“聪明的你”递进追问,取消 A/B/C 选择题和弹幕互动词)**: - 参照 `docs/src/ai/video/xiaomi-ocr-0.md`,以观众视角自然追问,依次递进: - 第一层:`**那聪明的你一定会问,……?**` - 第二层:`**那聪明的你肯定会继续问,……?**` - 第三层:`**聪明的你可能会继续问,……?**` - 最后一层:`**最后聪明的你还会问,……?**` - 问句直接切入当前层的核心问题,问句后直接给干货解答,不再列 A/B/C 选项、弹幕引导词和“我的答案是……”。 2. **有体感的白话原理解答(核心味道所在)**: - **先铺日常体感,再搭因果桥梁,最后落到源码动作或具体实现**:不要一上来就抛抽象概念。先给一个具体的开发或使用体感,接着用大白话把因果逻辑搭上桥,最后再引出源码设计、训练做法或实操步骤。 - **技术边界严密,把适用条件、命中范围或工程代价讲完整**:不说“全部未命中”或“100% 命中”这类绝对化的话。讲机制时说明哪段生效、从哪个位置开始变化、有什么前置条件或额外开销。 - **一段只讲透一个主干,只用公共术语与直观数字**:只保留行业约定俗成的公共概念(如 `KV Cache`、`Prefix Caching`、`Prefill`、`TTL`、`tool_result`、`Sub-agent`、`MCP`、`Skill`、`RAG`)和有体感的代表性数字。源码内部实现全部转化为直白的动作描述,与当前提问主干无关的旁支细节一律不写。 - **转折提问简洁自然**:段间追问直接写“那什么时候在本地改消息呢?等缓存过期之后。”,不用生硬套模板。 3. **配图与进度播报**: - 每层核心内容讲完配一张对应的架构图、流程图或实测截图(生成前使用 `【截图:...】` 占位符)。 - 每层结束单独成段播报进度: - 第一层结束:`恭喜看到这里的你,已经成功击败 50% 的学习者了。` - 第二层结束:`恭喜看到这里的你,成功击败 70% 的学习者了。` - 第三层结束(若共 4 层):`恭喜看到这里的你,成功击败 90% 的学习者了。` - 最后一层结束:`恭喜你升到王者段位了,成功击败 99% 的学习者。` ### 3. 总结与收尾 1. **口语短分句总结**:用“最后简单总结一下,……”开头,拆成舒展的口语短分句,不要把四五个并列短语硬塞进一个长定语里。 2. **固定收尾词**:`这个知识点你学会了吗?想解锁更多 Agent 硬核知识,点赞关注,我是二哥,咱们下期见!` --- ## 正向表达规范(与 `ai-article` 共用,详见 `.claude/skills/ai-article/references/human-tone.md`) 1. **主语直接用产品名或组件名,准确把握 Agent 定位**:直接写“Codex 会读取 `title`”“翻开 DeepSeek Harness 的源码”。Claude Code、DeepSeek Harness、Codex 统称为 Agent,既能在终端运行,也能在桌面端运行;除了写代码,还能写教程、做 PPT、做视频、处理各类工作,口播切入时不要把它们局限于“写代码”。 2. **动词干脆直接,一步到位**:用直白的动作词串起执行流程(如“挂载、暴露、读取、折叠、设定、挂起、放行、切换、跑、切到、查、塞进”),讲完动作本身即止(如“拼接到报错末尾”“切换为同步阻塞”“保护 KV Cache”“点错了再撤销”)。 3. **只用约定俗成的公共术语,把底层机制转化为通俗因果逻辑**:只保留观众有概念的公共技术词汇(如 `KV Cache`、`Prefix Caching`、`Prefill`、`TTL`、`tool_result`、`Sub-agent`、`MCP`)和有直观对比意义的代表性数据(如 `80%`、`5` 分钟、`1` 个小时);技术状态用准确平实的中文表达(如“达到上下文窗口的阈值”“缓存未过期/缓存过期”“消息内容一变”)。重点用通俗清楚的因果逻辑把“为什么这么设计、底层怎么运作”讲明白。 4. **问句短促直接**:只问核心问题(如“Codex 怎么防止大模型被劫持?”“那第二个大招是什么?”),把触发条件和实现细节留给正文回答。 5. **用单一强有力的数据或案例说话**:每次论证只选最有代表性的一个高分或一个实测现象(如“拿到了 60 的高分,反超了自家的 GPT-6.1 Sol,58.6 分”),紧接“为什么?”进入源码拆解。 6. **数字与单位贴合日常听感**:容量写 `8 M`、`16 G`,状态分值写 `0`、`1`。 7. **举例拒绝俗套**:举提问或输入句子例子时,不用“今天天气真好”这类俗套句子,优先结合自身 IP 与开发者场景举例(如“王二讲 Agent 开源了吗?”“王二讲 Agent 开源知识库的地址是什么?”)。 8. **截图占位符格式**(全篇 3-6 张,紧贴对应段落): ``` 【截图:<名称>;风格:<风格>;截图目标:<展示什么>;关键词:<关键词1>、<关键词2>、<关键词3>】 ``` --- ## 工作流程 ### 步骤 1:确认用法与参考标杆 1. **从零创作**:先读取 `docs/src/ai/video/xiaomi-ocr-0.md`、`docs/src/ai/video/context-compaction-vs-kv-cache.md` 以及 `sucai.md` 素材。`sucai.md` 里用户写好的句子、截图和观点原样保留。稿件一旦落盘交付,后续修改前先读取磁盘最新文件内容,保留用户已改过的全部内容。 2. **优化已有稿件**:通读稿件,对照标杆稿件的追问节奏与正向表达标准做局部优化,保留用户校对过的句子。 ### 步骤 2:调研与白话转译(强制) 1. 启用 Sub-agent 调研 **Claude Code、Codex、DeepSeek Harness 和 Pi Agent** 的源码、官方文档或一手公告,收到结果后立即停止 Sub-agent。本地源码路径: - Claude Code:`/Users/itwanger/Documents/GitHub/claude-code-source-code` - Codex:`/Users/itwanger/Documents/GitHub/codex` - DeepSeek Harness:`/Users/itwanger/Documents/GitHub/deepseek-harness` - Pi Agent:`/Users/itwanger/Documents/GitHub/pi` 2. **源码事实转白话隔离层**:拿到 Sub-agent 调研结果后,只提炼机制原理,把源码里的私有函数名、内部变量名、缓冲常数转化为“日常痛点是什么 → 怎么处理的 → 哪部分受益、哪部分付出什么代价”的白话因果链。 ### 步骤 3:列大纲 按标杆结构列出开场切入方式、3-4 层“聪明的你”递进追问与每层对应的白话原理及代价边界,交给用户确认后再写正文。 ### 步骤 4:撰写口播稿 按确认后的大纲与标杆稿件的语言节奏撰写,保存到 `docs/src/ai/video/` 目录。 ### 步骤 5:自检 1. **六项正向质量过筛**: - **技术边界与代价完整**:讲清哪一段生效、从哪个位置开始变化,以及方案的前置条件或额外代价。 - **因果推理不跳步**:把问题与机制之间的因果逻辑用平实白话讲清楚。 - **零私有命名与零无感常数**:只留行业公共术语和直观数字,不出现源码私有函数名/变量名和缓冲区常数。 - **地道中文表达**:确认没有英文注释字面直译词。 - **一段一主干**:每段只聚焦回答当前提问,砍掉偏离主线的旁支细节。 - **自然追问与短分句**:每层用“那聪明的你一定会问 / 肯定会继续问 / 可能会继续问 / 最后聪明的你还会问”开头直接作答(不设 A/B/C 选项),总结段用舒展的口语短分句。 2. **运行禁用词检查脚本(与 `ai-article` 共用 `wording_rules.py`,必须为 0)**: ```bash python3 -c "import re,sys;sys.path.insert(0,'.agents/skills/ai-article/scripts');from wording_rules import COMPILED_FAIL,find_hits;t=re.sub(r'【截图[^】]*】','',open(sys.argv[1],encoding='utf-8').read());hits=find_hits(t,COMPILED_FAIL);print('\n'.join(f'{h[1]} -> {h[2]}' for h in hits) if hits else 'wording_rules FAIL: 0')" docs/src/ai/video/<文件名>.md ```
Auf GitHub ansehen