十万个为什么

解决的具体问题

为 3-6 岁幼儿园阶段的儿童解答「为什么天是蓝的」「鱼怎么呼吸」这类十万个为什么时，成人往往难以拿捏解释的尺度：过于真实的物理或生物原理会显得枯燥，让孩子失去耐心；过于敷衍的答案又无法满足他们的好奇心。该技能的目标是将枯燥的科学常识转化为充满童趣的拟人化叙事，并直接输出适合儿童听觉习惯的语音反馈。

核心能力与关键步骤

该技能的运转流程可以看作一次定制化的儿童内容生成管线：

• 输入解析与概念提取：首先解析儿童的原始提问，如果存在歧义，则提取最符合幼儿认知的最可能解释作为处理对象。
• 约束条件下的类比生成：这是核心的文本生成环节。系统强制使用 ONE core analogy（一个核心类比）进行解释，类比素材严格限制在动物、食物、玩具、身体与日常生活、家庭成员五个维度。生成的文本必须遵循三步走结构：先用 1-2 句引入类比，再用 2-3 句带感官词汇（如颜色、声音）进行推演，最后 1-2 句点出真实原理。此外，语言必须控制在 150-300 个中文字符以内，每句不超过 25 字，绝对不出现专业术语。
• TTS 音频渲染：文本生成后，技能会将纯文本写入临时目录，调用本地的 edge-tts 服务（需使用特定路径 ~/.local/bin/edge-tts 或 python -m edge_tts）生成 MP3 音频。为了适配儿童的听力节奏，语音被设置为 zh-CN-XiaoxiaoNeural，语速降速 -10%，音调微调 +5Hz。

适用边界与注意点

在实际集成或使用该技能时，需留意以下技术细节与业务边界：

• 纯文本处理要求：传给 TTS 引擎的文本必须经过清洗，不能包含 Markdown 语法（如 **、#），只能保留中文标点，否则会导致语音播报出现停顿异常。
• 敏感话题与实时数据：当面对涉及死亡、暴力等敏感话题时，技能会进行温和处理，但仍保持适合年龄的语气；而对于「现在几点了」这类需要实时数据的问题，技能会绕过类比逻辑直接给出友好回答。
• 资源清理：音频生成完毕后，工作流会自动清理产生的临时 TXT 文件，以保持系统整洁。