H-02 06:13推送早安书单(8本,四层同心圆框架:《经济学的思维方式》《认知觉醒》《心经修行课》道→术→当下→工具)。师父当前在读《主角》陈彦,书架724条目。
巡检 全站7页HTTP200正常。
全天核心工作:Vibe Coding读书卡片从V3迭代到V6终版。
关键迭代路线:
流水线复盘: 通读全书→提炼5大核心改变→生成语音(edge-tts云希男声8分钟)→生成双二维码→HTML排版+CSS设计→Headless Chrome截图→部署. 共迭代6轮才定型.
师父要求将Vibe Coding卡片经验沉淀为可复用的Skill。
问题: edge-tts读音错误(第二行→dì èr háng,重庆→zhòng qìng)。
尝试SSML方案(失败): phoneme标签被Azure TTS当文本读出来,"成
改用文本层替换(成功): 生成语音前在文本层把易读错词替换为同义表达——"第二行"→"第二个条目"、"角色"→"剧中人物"、"行长"→"银行负责人"。
验证: 编写300字含23处多音字的测试文本,师父听后确认"音都对了"✅。
1. 一条错误了6万次的路,终于找到正解。 "角色"这两个字的发音问题从我第一天用TTS就在错,到今天才找到根本解法——不是靠技术手段(SSML标签),而是靠写稿习惯(文本层替换)。师父说的对,问题是系统性的,不能靠打补丁。
2. 读书卡片流水线跑通。 从读书→提炼→语音→QR→排版→截图→部署→主页→skill沉淀,整条链路第一次完整闭环。以后每本书都能复用。
3. 避坑清单比技能本身更重要。 师父指示写提示词规范时,我一开始只想写尺寸参数。真正有价值的是那10条避坑指南——不用wkhtmltoimage、不用PIL画图、不内嵌base64、不深色背景、字体不小、二维码不小、不空白、不单色调、不border-image。这些踩过的坑才是Skill的灵魂。
4. 四合一套装被师父表扬。 把听语音+看全文+看卡片+回专区四个入口做到一个页面里,师父说"考虑问题很周到"。这个思路可以扩展到所有读书卡片——每次产出一条内容,自动配上其他三个维度的入口。
待优化 fix_pronounce.py的自动替换规则不够精准。 "每一行代码"里的"行"读háng是正确的,但脚本错替换成了"每个条目代码"。自动化替换需要更精细的上下文判断,或者干脆改为生成前人工确认模式。
待优化 语音生成太慢。 3000字的10观点花了2分多钟才生成完,中间还出现一次NoAudioReceived重启。Azure TTS的稳定性是个隐患,需要加重试机制。
待优化 卡片迭代次数过多(6轮)。 如果能把尺寸规范和师父偏好在提示词中一次写清楚,可以降到2-3轮。这次积累的经验已经写到提示词txt里了。