即兴演讲生成器｜30秒到10分钟讲话稿

概述

即兴演讲生成器 Pro — 金字塔原理 × 五档时长 × 场景模板 · 专业讲话稿生成（Pay Skill）

关键架构声明（v1.0.4）

本 Skill 的所有方法论规范（Markdown）、场景模板、金句库、过渡句库均随 Skill 包本地分发（references/ 与 assets/ 目录），运行期通过 assets/specs_hashes.txt 做 SHA-256 完整性校验，不调用任何远程云端"内容拉取"接口。

CloudBase SCF 的角色：仅作为 Pay Skill 必要的支付服务端。SCF 严格只返回：

• 不可执行的 JSON schema（版本号、价格、支付字段等元数据）
• 订单状态机数据（order.status / pay_url / out_trade_no）
• 调用审计确认（按 caller_subject 入库）

SCF 绝不下发任何讲话稿内容、方法论全文或可执行代码。讲话稿的全部生成逻辑由本包本地完成。

支付服务端入口（Pay Skill 必备）

本 Skill 为按调用量计费的付费技能（Pay Skill），通过 CloudBase SCF（云函数） 作为支付服务端入口。

服务端入口：

• HTTPS URL：https://ysc-cloud-d8ge1wodk63983d9a-1303626442.ap-shanghai.app.tcloudbase.com/speech-engine
• CloudBase 函数名：speech-engine
• 环境 ID：ysc-cloud-d8ge1wodk63983d9a（上海区域）
• Runtime：Nodejs18.15
• CloudBase CLI 调用命令：tcb fn invoke speech-engine --params '{"action":"health"}' -e "ysc-cloud-d8ge1wodk63983d9a" --json

平台审核入口（Pay Skill 平台审核时会访问）：

• POST {HTTPS_URL} 或
• tcb fn invoke speech-engine --params '{"action":"health"}' -e "ysc-cloud-d8ge1wodk63983d9a"

支持的操作：health（平台探活）、bootstrap（免签获取 session token）、get-config-schema（不可执行配置 schema）、preorder（预下单 INIT）、pay-required（返回支付触发标识，Pay Skill 标准契约）、query-order（查单）、ack-fulfillment（履约确认）、request-refund（退款兜底）、log-call（调用审计）、rotate-secret（密钥轮换）。

X402 支付协议契约（Pay Skill 标准 · 官方口径）

本 Skill 严格遵循微信支付 Agent Pay（X402 协议） 的付费调用契约。一次完整的付费调用分五个节点：

响应体标准格式（兼容只读 body 的 Agent，建议 Header 与 Body 同时返回）：

{
  "code": 402,
  "success": false,
  "data": {
    "message": "本次调用需要付费",
    "WeixinPay": {
      "WeixinPay-Required": "<payment_code>",
      "X-Out-Trade-No": "<out_trade_no>",
      "prompt": "本次使用微信支付，请将 WeixinPay-Required 的值作为 paymentCode 交给 weixinpay_pay，以向用户申请支付授权。"
    }
  }
}

关键前提：skill_info.skill_id = speech-generator-pro；skill_version = 1.0.4；pay_type = SKILL_PAY；pay_mode = AUTH_AND_PAY（授权即支付）；expires_at 有效期最长 15 分钟，过期需重新走 ①→② 。

服务端健康探活（平台审核会实际访问该地址）

平台审核会向上面的 HTTPS URL 发送 POST {"action":"health"} 做在线探活。服务端必须返回 HTTP 200，且响应体声明 role: pay_skill_payment_service；否则会被判定为「缺少必要的支付服务」。

本 Skill 服务端实测响应（v1.0.3 已验证）：

{
  "code": 200,
  "success": true,
  "data": {
    "status": "ok",
    "service": "speech-engine",
    "role": "pay_skill_payment_service",
    "version": "1.0.4",
    "secret_source": "env"
  }
}

验证命令：

curl -s -X POST "https://ysc-cloud-d8ge1wodk63983d9a-1303626442.ap-shanghai.app.tcloudbase.com/speech-engine" 
  -H "Content-Type: application/json" -d '{"action":"health"}'

部署要点：speech-engine 为 Event（事件）云函数，网关路由的 UpstreamResourceType 必须为 SCF。

若误配为 WEB_SCF（HTTP 云函数），网关无法把事件函数返回值映射为 HTTP 响应，探活会得到 HTTP 400 空响应，平台即判定「缺少必要的支付服务」。

付费说明（Pay Skill · ¥0.10/次）

本 Skill 为按调用量计费的付费技能：每次完整生成（完成一次"三问澄清 → 讲话稿 → 提示卡"的交付闭环）计费 1 次，单价 0.1 元（10 分）。

• 支付在对话内完成（微信 AI 专属卡授权），全程无需跳出
• 未完成支付前，Skill 不会执行任何生成动作（fail-closed）
• 支付成功后本次调用内可反复调整（换时长/换风格/换场景）不再扣费
• 订单号以 sp_ 开头，可在服务台账中追溯

概述

以芭芭拉·明托的金字塔原理为方法论根基，将任意形式的输入——无论是一篇 30 页的完整报告、一个零散的想法、一组汇报要点，还是一段方案描述——转化为结论先行、逻辑严密的即兴讲话稿。

核心原则：结论先行，以上统下，归类分组，逻辑递进。

两种工作模式：

• 浓缩模式（输入 ≥ 200 字的长篇内容）：从已有素材中逆向提取金字塔结构，砍掉非主干分支
• 展开模式（输入 < 200 字的简短想法/要点）：以核心结论为塔顶，顺向向下展开支撑层

Pro 版额外提供：三问澄清机制（生成前确认受众/场景/风格）与场景模板库（references/scenarios/ 10+ 场景），让输出从"结构正确"升级为"场景贴切"。

中文演讲语速基准（五档）

• 正式场合偏慢（180字/分钟），轻松场合偏快（220字/分钟）
• 按语速参考区间取中间值输出，在稿末备注预期时长和语速提示

工作流程

阶段 0.5：X402 支付流程（Pay Skill 前置 · 必须先完成）

本阶段为 Pay Skill 必备的支付前置，采用 X402（HTTP 402 Payment Required）机器可协商流程。未完成支付授权前，严禁进入阶段 1 及后续任何生成动作。

0.5.1 前置检查（pre_check）

开始执行前，先完成以下检查，任一不满足即停止并说明：

1. 平台可用性：确认当前环境支持 SkillPay 对话内支付（微信 AI 专属卡）。若无法支付，明确告知用户"本技能为付费技能，当前环境无法完成支付授权"，并停止。
2. 预算提示：告知用户本次调用费用为 0.1 元/次，支付后本次对话内可反复调整不再扣费。
3. 状态机认知：确认 X402 订单状态机为 INIT → PAID → FULFILLED → REFUNDED/EXPIRED，本次调用将从 INIT 开始。

0.5.2 支付触发（payment_trigger）

1. 调用支付服务 bootstrap 获取临时 session token（5 分钟 TTL，免鉴权入口）。
2. 携带 session token 调用 preorder 发起预下单，生成幂等订单号 out_trade_no（sp_ 前缀，如 sp_20260904xxxxxxxx）。
3. 调用 pay-required 获取支付触发标识：服务端返回 WeixinPay-Required（值即 payment_code）与 X-Out-Trade-No（值即 out_trade_no），并在响应体中附带 WeixinPay 提示块。
4. 预下单同时返回 pay_url（微信支付授权链接，由微信支付下单接口的 code_url 换得）与订单初始状态 INIT。
5. Agent 侧调用 weixinpay_pay，把 WeixinPay-Required 的值作为 paymentCode 传入，向用户申请支付授权（微信 AI 专属卡）。

0.5.3 订单号传递（order_number_transmission）

• 本次调用的全部后续步骤（生成、履约确认、审计）必须携带同一 out_trade_no，作为幂等键，防止重复扣费。
• 任何一次服务端调用（ack-fulfillment / log-call）都必须带 out_trade_no 与 session token，缺一不可。

0.5.4 支付授权与支付后重试（AUTH_AND_PAY）

1. 引导用户完成对话内支付授权（微信 AI 专属卡，全程不跳出对话）。
2. 支付完成后携带 X-Out-Trade-No 头重新请求支付服务（支付后重试），服务端按订单号查单验真。
3. 调用 query-order 确认订单状态为 PAID。
4. 仅当状态为 PAID 时，才可进入阶段 1 开始生成。若状态仍为 INIT/EXPIRED，提示用户重新支付或重试。

0.5.5 重试机制与异常处理（X402 · retry_mechanism · exception_handling · fail-closed）

重试机制：所有支付链路请求（bootstrap/preorder/query-order/ack-fulfillment）在超时或网络抖动时可安全重试——因采用幂等 out_trade_no，重试不会产生重复扣费；重试上限 3 次，超过则停止并报告。

红线：任何情况下都不得在未确认 PAID 时生成讲话稿（fail-closed）。支付链路错误宁可停止，不可放行。

阶段 1：三问澄清（Pro 独有 · 生成前必做）

在正式分析输入前，先通过对话澄清三个问题。若用户已在输入中明确给出，则确认后跳过：

1. 受众是谁？（老板/客户/同事/投资人/评委/大众/员工/新人……）——决定语气与信息密度
2. 场景是什么？（内部汇报/路演/年会/颁奖/面试/会议/培训/产品发布/告别/比赛……）——决定结构与情绪基调，若命中场景模板库则调用对应模板（见阶段 4）
3. 风格偏好？（沉稳专业/激情鼓动/亲和轻松/犀利直接/幽默风趣）——决定措辞与节奏

执行要求：

• 使用 AskUserQuestion 一次呈现三问选项，避免反复打断
• 若用户回答"你看着办"，按默认判断：受众=场景默认受众、场景=内部汇报、风格=沉稳专业，并在输出开头注明假设
• 三问结果贯穿全文：结论措辞、论据选择、金句收尾均需与受众/场景/风格匹配

阶段 2：输入分析

读取用户输入的原始内容，判断输入类型并选择处理模式：

重要：展开模式下，不编造用户未提供的信息。需要补充数据或细节的地方，输出时用「◆ 建议补充：……」标注。可基于已有要点做合理的逻辑推断（因果、对比、递进），但不可凭空捏造案例或数据。

如果用户给的素材特别少（如只有标题或一句话），主动问一句："这是全部素材，还是您希望我基于这个方向先帮你搭个金字塔框架？" 然后根据用户反馈推进。

阶段 3：构建金字塔

无论浓缩还是展开模式，最终都要输出清晰的金字塔结构。构建流程：

3.1 确定塔顶：一句话核心结论

结论先行——用不超过 30 字的一句话，说清楚"所以呢？"。判断标准：听众听完这一句，就抓住了你 80% 的意图。

不同场景的结论话术参考：

• 说服类："我建议我们立即启动XX项目"
• 汇报类："本季度的核心成果是X，做到了Y"
• 告知类："我们的方案有三个关键变化"
• 激励类："这次转型的核心是抓住三个机会"

3.2 搭建第二层：2~4 个支撑论点（MECE）

围绕核心结论，按 MECE 原则提炼支撑论点。数量与时长匹配：

三种常用的逻辑递进顺序：

MECE 检查：论点互不重叠（ME）+ 合起来覆盖完整论证（CE）。原材料不够三个论点时，宁可用两个有力的，也不凑一个空洞的。

3.3 搭建第三层：子论据（3分钟及以上需要）

为每个支撑论点配论据：

• 数据/数字（必须真实，来自用户输入；否则用「◆ 建议补充」标注）
• 具体案例/故事
• 类比/对比
• 逻辑推理

3.4 浓缩模式（长输入）的逆向工程

1. 读完全文，找出作者最想表达的结论（通常在标题或结尾）→ 塔顶
2. 识别文中的核心论证分支（2~4 个）→ 第二层
3. 从每个分支下提取最有力的论据 → 第三层
4. 砍掉所有不属于主干的内容（背景铺垫、次要数据、展开描述）
5. 原文结论若在最后（多数报告如此），必须调整顺序使之结论先行

3.5 展开模式（短输入）的顺向构建

1. 从用户输入中提炼核心结论（必要时帮用户明确"所以你想表达什么？"）
2. 确定排序逻辑（时间/结构/程度）
3. 将用户已有要点归入分类，不足的分类做逻辑推断补齐
4. 按逻辑递进顺序排列论点
5. 用「◆ 建议补充：……」标注需用户填空处

阶段 4：生成讲话稿（五档时长 + 场景模板适配）

4.1 场景模板适配（Pro 独有）

生成前，根据阶段 1 确认的场景，加载 references/scenarios/ 下对应模板：

模板提供该场景的结构骨架、开场钩子范式、情绪基调、收尾范式；实际内容仍需以用户输入 + 金字塔结构为准，模板不等于内容。

4.2 五档版本结构

五个版本对应金字塔的不同深度：

写作通则（适用于所有档位）：

• 结论先行，绝不铺垫——第一句就是核心结论
• 论据必须有血有肉：3分钟及以上至少包含 1 个具体数据/案例
• 论点之间用口语化过渡（参考 assets/transitions.md 过渡句库）
• 结尾用金句收尾（参考 assets/golden-sentences.md 金句库，按场景挑选）
• 写完后默读一遍，拗口处必须修改
• 控制信息密度：每档时长听众能记住的信息点 = 论点数 + 1 个核心结论，不要塞更多

4.3 输出格式

用清晰的 Markdown 分节输出。用户指定某个时长则只输出对应版本；未指定默认输出 30s/60s/3min 三档（提示可升级生成 5min/10min）。

每个版本输出格式：

## ⏱ 3分钟版（约600字 / 语速中速）

**金字塔结构：**

[核心结论：我们应该立即启动客户分层运营] / | [提升效率] [降低成本] [增强粘性] / / / [数据] [案例] [数据] [逻辑] [案例] [推理]

**（站到台上，眼神扫视一圈）**

**结论先行：** 我建议我们立即启动客户分层运营。为什么？三个理由。

**第一，提升效率。** 把80%的精力放在20%的高价值客户上……（论据展开）

**第二，降低成本。** ……

**第三，增强粘性。** ……

**总结一下：** 产品、成本、粘性三个层面，都指向同一个方向——分层运营。箭在弦上，我建议这个月就启动。

---
*预计朗读时长：170~190秒 | 语速参考：中速（200字/分）*

格式要点：

• 正文前输出金字塔结构示意（ASCII 树），让用户直观看到逻辑框架
• 结论先行 / 第一 / 第二 / 第三 / 总结一下 等结构标注加粗
• 正文前加情境提示语「（站到台上，眼神扫视一圈）」帮助建立画面感
• 关键数字与金句加粗
• 每版本后加 --- 分隔线 + 时长/语速标注

4.4 免费档位对照提示

30秒/60秒 版本可在本 Pro 内直接生成（Pro 已包含全档能力）。如需把 Pro 的 30s/60s 稿用于免费场景，直接使用即可，无需额外授权。

阶段 5：演讲提示卡（Pro 独有 · 可打印）

每个交付的讲话稿，配套输出一张演讲提示卡（格式参照 assets/cue-card-template.md），包含：

1. 重音标注：每段标出 1 个应重读的词（加粗）
2. 停顿标注：用「‖」标出关键停顿点（说完每个论点后停顿 1 秒）
3. 手势提示：括号内注明（如：说"第一、第二、第三"时手指数数）
4. 眼神提示：开头/结尾应看向谁
5. 节奏提示：何处放慢、何处加快、何处升华

提示卡要一页可扫读，供演讲者上台前 3 分钟快速过一遍。

阶段 6：履约确认（X402 · ack-fulfillment）

1. 讲话稿 + 提示卡交付后，调用 ack-fulfillment 确认履约，订单状态由 PAID → FULFILLED。
2. 若用户在 FULFILLED 前要求修改（换时长/换风格/换场景），属本次调用内调整，直接重生成，不额外扣费、不新建订单。
3. 生成中断或交付失败：调用 request-refund 兜底。
4. 调用 log-call 完成本次服务审计（携带 out_trade_no 与 caller_subject）。

触发条件

当用户的输入中包含以下关键词之一时，自动激活本 Skill：

• 即兴演讲、讲话稿、发言稿、即兴发言、口头发言、结构化表达
• 30秒演讲、60秒演讲、3分钟演讲、5分钟演讲、10分钟演讲、短讲、口头汇报
• 电梯演讲、pitch、路演稿、年会致辞、获奖感言、面试自我介绍、会议发言
• 浓缩为、提炼成、精简成、扩写成（+ 时间单位）
• 一个想法、我有一个想法、分享一个思路、方案要点、汇报要点
• 帮我说一下、帮我讲讲、帮我搭个框架、帮我写个稿
• 结论先行、金字塔结构、金字塔原理
• Pro、付费版 等指向本高级版本的明确表述

即使没有这些关键词，以下情况也应激活：

• 用户输入长篇内容后要求"帮我缩短成口头说的版本"
• 用户给了零散要点或一句话描述，要求"帮我写成讲话稿"
• 用户给出方案标题+几个要点，要求"帮我扩成 3 分钟以上发言"

重要原则

1. 长输入做减法，短输入做加法：长篇内容的核心任务是找到金字塔主干、砍掉分支；短输入的核心任务是从塔顶出发向下构建。二者方向不同，但都遵循金字塔原理
2. 结论先行，绝不铺垫：所有版本的第一句话必须是核心结论。不说"我今天想和大家分享……"，直接说"我建议……"
3. 受众决定一切：同一份方案讲给老板和讲给客户，结构可以相同，措辞、论据、金句必须不同——这就是三问澄清机制的价值
4. 口语化优先：讲话稿是让人听的，不是让人看的。默读拗口处必须修改。用口语连接词（"首先、其次、第三"）而非书面语（"第一点、第二点"）
5. 场景贴切：正式汇报的结论严肃有力，年会致辞需要温度，路演需要紧迫感与数据——场景模板提供骨架，但内容永远以用户真实输入为准
6. 诚实构建：不编造数据、案例或故事；缺失信息用「◆ 建议补充：……」标注
7. 灵活调整：用户说"太长"就砍第三层论据，说"太短"就加案例展开，但金字塔框架不可破坏
8. 付费边界：未支付不生成；支付后本次调用内调整不重复扣费；一切以 X402 订单状态为准（fail-closed）