文言文有声书智能体系统

文本改编 Agent

本人主要负责的文本改编 Agent 是整个系统的入口。它拒绝简单的白话文转换，而是采用“两步式精准重构”：第一步进行原文翻译，确保情节、人物和细节零丢失；第二步进行剧本化改写，将叙事文字转化为有声书可演绎的场景、旁白、角色台词、动作和神态描述。

提示词设计中设置了角色、目标、技能、工作流、输出格式和限制条件。核心原则包括忠于原著、不脱离原作大纲、不进行机械直译、减少大段旁白，并通过人物对话和互动增强戏剧张力。

• 角色身份：古典小说改编者 / 古典小说剧本改编 Agent。
• 目标约束：保留原意、提升可听性、保持古典小说叙事逻辑。
• 输出结构：场景、人物、旁白、角色台词、动作描写、神态描写。

四智能体协同流程

小组方案将有声书制作拆分为四个模块：文本改编、分段解析、角色声音参数设计和音乐氛围规划。分段解析 Agent 通读剧本后识别情节转换、场景变化和情绪转折，将文本切为 4 到 8 个段落，并输出段落 ID、段落名称、起止文本、情感标签、强度和节奏。

角色声音参数设计 Agent 面向 AI 配音，要求同一角色前后声线一致，同时允许随剧情调整音调、音量和语气。音乐氛围规划 Agent 则根据段落情绪和节奏安排 BGM 单元，强调古筝、二胡、竹笛等传统乐器与氛围合成器结合，并遵守人声优先原则。

• 分段解析：建立“起、升、高潮、降、收”的情绪曲线。
• 声音参数：为旁白与每句人物台词生成可量化、可执行的配音参数。
• 音乐规划：输出段落范围、情绪基调、乐器组合、进出方式和音量建议。

Python 接口整合

项目通过 Python 脚本把四个 Coze Agent 串联为自动化运行流程。脚本使用 requests 与 json 组织接口调用，以 Bearer Token 完成鉴权，并通过 `stream=True` 与 `iter_lines()` 实时读取流式返回。

整合逻辑采用 Pipeline：用户只输入一次文言文原文，第一个 Agent 输出白话剧本；第二个 Agent 基于剧本生成情绪节奏表；第三个 Agent 接收前两步结果生成声音参数；第四个 Agent 再结合所有前序内容生成音乐氛围规划。`combined_input3` 和 `combined_input4` 负责把前序结果拼接进后续上下文。

• 单点生成升级为流水线生成，减少人工复制粘贴和重复输入。
• 每个 Agent 输出都被保存为变量，并成为下一个 Agent 的输入上下文。
• 流程可直接产出白话剧本、分段解析、声音参数和音乐氛围规划四类制作材料。

项目呈现成果

这个项目表现出的成熟度在于，它不是单个提示词实验，而是一套围绕有声书生产任务拆解出的内容工作流。文本、情绪、声音和音乐分别由不同智能体处理，使输出结果更稳定、结构更清楚，也更贴近实际制作人员的工作方式。

最终系统可以把古典文本从“可读材料”推进到“可制作材料”：剧本可供朗读，分段表可供节奏控制，声音参数可供 TTS 或配音制作，音乐规划可供后期音频编辑使用。