Imported from zhchxiao123/cloud-service-kg-podcast (.agents/skills/podcast-script/SKILL.md). Install upstream with npx skills add zhchxiao123/cloud-service-kg-podcast --skill podcast-script. Copyright stays with the author.

播客脚本生成

生成双人播客对话脚本（host + guest），输出带幻灯片编号注解的 JSON，供 /podcast-voice 合成音频、供 /podcast-video 计算幻灯片切换时机。

想象你认识的那些最好的播客——主持人和嘉宾之间的来回充满真实的生命力，两个人都有真实的存在感。这就是目标质量。host 不是只念问题的机器，guest 不是只背事实的复读机——他们是两个好奇的人，真正在一起把一件事想清楚。

项目目录管理

所有产物统一存放在：

<当前工作空间>/podcast-projects/<项目名>/v<N>/podcast-script.json

<当前工作空间> 是调用此技能时所在的目录。播客视频流水线中的所有技能建议在同一个目录下调用，确保 podcast-projects/ 始终在同一位置。

确定项目： 扫描 podcast-projects/ 目录，找到含 slide-outline.json 的项目，向用户确认后继续。

自动版本： 读取 <项目名>/current.txt：

• podcast-script.json 已存在于当前版本 → 创建 vN+1/ 目录，复制现有产物，再写入新脚本，更新 current.txt
• podcast-script.json 不存在 → 直接写入当前版本，成功后更新 current.txt

前置检查

在生成脚本前确认以下各项，缺少信息时的标准问法见文末反问清单：

• 项目已确认（通过目录扫描或用户指定）
• 有内容来源：slide-outline.json 存在（推荐），或用户提供了文章/关键词
• 若使用大纲，验证大纲格式合法（含 slides 数组，每项有 slide、type、speaker_notes、depth 字段）

两种工作模式

大纲对齐模式（优先，当存在 slide-outline.json 时）

大纲里的讨论提示是专门为对话设计的，比从零生成更精准。幻灯片上展示了什么结论，对话应当解释这些结论背后的"为什么"和"怎么做"——不是照读。

规则：

• 幻灯片的讨论提示是该幻灯片的主要内容来源，对话必须覆盖其中提到的所有角度
• 根据 depth 分配对话轮次：short → 1-2 轮，medium → 3-4 轮，long → 5-6 轮
• depth: "long" 的幻灯片必须有真实的对立观点或追问，不能全程点头认同
• cover/toc/section 类型控制在 1-2 轮（开场/过渡），不要过度展开
• 每个对话轮次加 "slide": N，严格递增，与大纲 slide 字段一一对应

字数预期（确保内容充实）：

• 8-10 张幻灯片 → 至少 1500 中文字
• 11-12 张幻灯片 → 至少 2000 中文字
• 有 3 张以上 depth: "long" → 可达 3000 字，不要截断

独立生成模式（当没有大纲时）

从关键词或文章直接生成，此时不输出 "slide" 字段。对话结构遵循四段弧线：

1. 开场（10-15%）：hook + 嘉宾第一观点（要让人觉得"这个角度没听过"）
2. 核心（50-60%）：2-4 个话题，每个深入展开，不浅尝
3. 互动（15-20%）：真实分歧、追问、反驳——至少 2 次实质性交锋
4. 收尾（10-15%）：洞见结晶 + 开放性问题或行动建议

TTS 文本归一化

text 字段直接进 TTS 引擎，任何出现在非句末位置的 . 都会被误判为句号，导致音频断句错乱甚至合成长 silence。所有数字点/IP/版本号/包名都必须用中文「点」替换。脚本写完必须做归一化扫描。

强制替换规则

关键问题：脚本里出现任何 \d+\.\d+ 都必须替换，单点版本号最容易遗漏（1点0 比 1.0 更安全；不带 v 前缀也要替换）。

ASCII 引号陷阱

ASCII 直引号 ' 和 ' 在 OMLX TTS 的某些组合下导致 503。建议替换为：

• 显式短引用 → 中文「」: '课程' → 「课程」
• 强调短语 → 直接去掉引号不替换

全角标点偏好（中文播客建议）

TTS 对全角标点的断句更稳。如果大纲/脚本生成已经用全角，跳过这步。

何时跑归一化

• 生成脚本后立即扫描：跑 <skill-dir>/scripts/normalize_text.py podcast-script.json 自动扫描并列出每个违规位置。
• 用 --write 修复：自动把 1.0 → 1点0、ASCII 引号 → 「」 应用回文件。
• TTS 阶段再扫一次：omlx-podcast-tts 自己也会扫（见该 skill 校验），但它只会报错失败，不会自动修。脚本阶段就要修对。
• 单点版本号最易漏：脚本写完后用 \d+\.\d+ 全局 grep 一次。

输出格式

{
  "title": "具体的、有吸引力的集标题",
  "script": [
    {"role": "host",  "text": "开场...",      "slide": 1},
    {"role": "guest", "text": "嘉宾回应...",  "slide": 1},
    {"role": "host",  "text": "进入主题...",  "slide": 2},
    {"role": "guest", "text": "深入分析...",  "slide": 2}
  ]
}

• role 只用 "host" 或 "guest"，这两个值直接映射到 TTS 声道
• 每个 turn 是一人连续说话直到对方接话的内容
• 典型 turn 长度：2-6 句；长段独白和单句回应都是正常的，取决于内容节奏
• "slide" 编号严格递增，不允许回跳（比如从 slide 3 回到 slide 2）

产物校验

写入文件前逐项验证：

• script 数组非空
• TTS 归一化扫描（每条 text 都要过）：
  • 单点/多点版本号：\d+\.\d+（包括 1.0、v1.2.3），必须已替换为「数字+点+数字」
  • IP 地址：\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}
  • dotted 包名/域名：[a-z0-9]+(\.[a-z0-9]+){2,}
  • ASCII 引号 '/' 在中文对话里：替换为 「」 或删除
  • 例外：纯小数带单位（3.5倍、0.99%、$9.99、100.5元）不需转化
• 归一化脚本：把扫描结果列出每个违规位置，要求人工或自动替换后才能进入下一步

大纲对齐模式额外验证：

• 每个 turn 都有 role、text、slide 三个字段
• slide 值严格递增，不跳号，不回退
• slide 最大值不超过大纲的 total_slides
• 字数达到对应幻灯片数量的预期下限
• depth: "long" 的幻灯片对应的对话轮次 ≥ 5 轮

独立生成模式额外验证：

• 不含 slide 字段
• 总字数 ≥ 1500 中文字

反问清单