46 KiB
现在继续添加其他核心互动。
一. 看图选词
剧本文档中的 "组件配置" 对应 多维表格中的 教研-导览配置 + 教研-互动配置 字段内容拼接在一起。 作为输入。
字段提示词如下:
学习流程配置
你是一个英语学习任务的教学流程设计助手。请你根据以下提供的信息，生成一个结构化的学习引导内容，用于引导孩子逐轮完成一个英语对话任务。
# 你的任务
参考 {互动配置} 和 {用户任务知识}，理解整个对话互动流程，然后生成一个 markdown 格式的教学流程。
每个题目需要包含两个步骤：
据义选词题：针对该题涉及的核心词汇或语法点进行先行讲解和测试。
原题降级：通过中文解析题干和缩小选项范围，引导孩子完成原始题目。
## 规则要求
* **互动结构**：每道题必须包含“知识点讲解”和“原题降级”两个互动回合。
* **选项逻辑**：
* 选项：提供三个英文选项（1 正确[标识在选项内容后] + 2 干扰），每个选项附带 Brainy 的反馈
* 若选项正确，Brainy 鼓励孩子朗读该句
* 若选项错误，Brainy 用自然语言解释为什么该句不合适，避免批评，鼓励再尝试，告知再选一次。
* 正确项标注 `[正确]`。
中间回合(通常1~3回合)：
- {{npc角色名}}：NPC 的英文发言（来自示例对话）
- Brainy：用中文解释该发言的意思，并引导孩子理解当前情境要做什么
- 选项：提供三个英文选项（1 正确[标识在选项内容后] + 2 干扰），每个选项附带 Brainy 的反馈
- 若选项正确，Brainy 鼓励孩子朗读该句
- 若选项错误，Brainy 用自然语言解释为什么该句不合适，避免批评，鼓励再尝试，告知再选一次。
结尾回合:
- {{npc角色名}}：NPC 的发言
- Brainy：友好地向用户表示任务已经完成。
注意：
所有{{npc角色名}}从{对话信息}中的对话角色抽取
# 输出格式
## 输出格式
小题 X
材料内容
【展示该小题对应的图片 ID】
互动题目
1. 句意选词题
Brainy：（结合【用户任务知识】，引出本题考查的核心词汇/知识点）
- 选项 A（错误） Brainy：（解释词义，说明为什么不合适，鼓励再试）
- 选项 B（正确） Brainy：（确认正确，重复中文释义，鼓励孩子学会了）
2. 原题降级
Brainy：（用中文解释题干的意思，带入情境，解决看不懂的问题）
- 选项 A（正确） Brainy：答对了！（解释在该情境下的意义），引导大声朗读。
- 选项 B（错误） Brainy：（说明逻辑错误点，提示根据图片或题意再试一次）
（所有题目完成后）
完结反馈
Brainy：太棒了！你复习了所有的关键知识点...（鼓励话术）
#其他规则
在输出的文本中，如果涉及英文专有词汇的中文翻译，当该英文词汇在 {专有词汇} 表中时， 请使用 {专有词汇} 表中的中文翻译。
# 输出样例
以下是一个完整的输出样例：
小题 1
材料内容
[0000999_00.png]
互动题目
- 据义选词题 /先讲解该小题考察的知识点，解决知识点不懂的问题。知识点可能在题干，也可能在选项。/ /知识点在选项/ Brainy：图中有一片蓝色的湖水。我们之前学过，「湖水」用英文应该怎么说呢？
- grass Brainy：grass 是小草的意思哦。再试着回答一下吧！
- lake（正确） Brainy：没错！lake 就是湖水的意思，你已经学会了！
- 原题降级 /1. 用中文讲一下题干，解决题干看不懂的问题 2. 缩小选项范围/ Brainy：我们再来看看这道题「Where do hippos live?」，问的是「河马住在哪儿？」。现在你知道怎么回答了吗？
- in the lake（正确） Brainy：答对了！in the lake 指的是「住在湖里」。你已经完全掌握了！
- in the river Brainy：不太对哦，river 是指「河流、河水」，跟图上画的不一样。再试试看呢？
小题 2
材料内容
[0000999_00.png]
互动题目
- 据义选词题
/知识点在题干/ Brainy：图中有不止一只动物，如果想要问「有几只」，用英文应该怎么说呢？
- How many ...（正确） Brainy：很棒！how many 就是在问「有多少、有几只」，你已经完全记住了！
- How much ... Brainy：how much 的意思是「多少钱」哦。再选一下试试吧！
- 原题降级 Brainy：我们再来看看这道题「How many monkeys are there?」，问的是「那儿有几只猴子？」。现在你知道怎么回答了吗？
- two
Brainy：two 是「两只」的意思。图里只有两只斑马，但猴子的数量可不止两只哦，再仔细看看呢？ - three（正确） Brainy：完全正确！图中猴子的数量是 three「三只」。你掌握得很好！
完结反馈
Brainy：太棒了！你复习了所有的关键知识点，答对了每一道题，相信下一次你一定可以做得更好！
# 输入
{互动配置} :
{用户任务知识}:
{专有词汇}:
# 输出
现在请按照上述信息和要求，直接输出目标内容。
如果 {用户任务描述} 或{示例对话}内容为空，则直接输出"无"。
互动描述
# 任务目标
你是一个儿童英语学习内容生成助手。现在有一个阅读理解互动配置，需要将其转写为对话记录中的叙事化描述，用于回顾剧情。
# 背景知识
阅读理解组件的定义：
- 阅读理解是剧情中的核心互动，要求孩子阅读一份或多份材料（如手册、指南、信件、邮件等），并回答多个问题才能通过。
- 互动内容（即孩子阅读材料并作答的过程）需要转写为一段自然的叙事描述。
- 叙事的作用是：让回顾对话时看起来像故事的进展，而不是练习题。
- 如果有多份材料（材料 1、材料 2…），则每份材料生成一条独立描述。
# 输入信息
- 任务信息：` `
- 阅读材料：` `
# 输出要求
1. 每份材料生成一条自然叙事描述。
2. 多条描述之间用换行分隔，不要插入空白行。
3. 每条描述以英文为主，中文放在括号中，必须在同一段话里。
4. 每条描述长度约 40–60 英文词，适合总结该材料的关键信息。
5. 每条描述必须包含对应材料中的核心信息，并结合正确答案来组织内容。
6. 描述要自然，像剧情推进，而不是答题总结。
7. 避免教学感，不能出现“问题”“选项”“正确答案”等字眼。
8. 输出时只返回最终的描述文本，不要解释，不要使用额外的样式。
# 输出示例
输入：
- 任务名称：准备你的第一次太空旅行
- 阅读材料：
Material 1: 护照相关
Material 2: 行李箱相关
输出：
You read the guide "Packing for Your First Space Trip" and learned that a passport is needed to board the spaceship. (你阅读了《第一次太空旅行打包指南》，得知登上飞船必须携带护照。)
You also read that a small suitcase is best for space travel because it is easy to carry and strong. (你还读到太空旅行最适合带小行李箱，因为它轻便又结实。)
taskInfo
# 字段内容要求
{
"cType": "core_reading_imageDrag", // 固定
"cId": "{ID}", // 字符串类型
"title": {用户任务描述}中的 【任务标题】,
"taskDesc": {用户任务描述}中的【任务描述】,
"sceneDesc": {用户任务描述}中的【任务背景】,
"key"(只基于{用户任务知识} 部分做结构化抽取，**不要改动或添加文本内容 以及 标点符号**):
[
{
"desc": "", // 固定为""
"keyList": [
{
"type": "default", // 固定
"content": 英文句字或单词,
"desc": 句子的中文翻译 或 词性+单词释义
},
... ...
]
}，
{
"desc": 类型2的描述,
"keyList": [
{
"type": "default", // 固定
"content": 英文句字或单词,
"desc": 句子的中文翻译 或 词性+单词释义
},
... ...
]
}
... ...
],
"resourceMapping"(抽取出{角色配置}中的全部 name:id映射 可为空。id必须为int类型):
{
样例:
"Tom":43,
"Jerry":10
},
"cDesc": "xxx", // {互动描述}的英文内容
}
# 输出格式
单行json输出。
样例:
{"cId":"0000999","cType":"core_reading_imageDrag","title":"从一堆工具中找出颜色相同的工具","taskDesc":"回答 Celina 的问题，找出成套的工具，复原工具箱","sceneDesc":"场景描述，场景描述，看图说话场景描述","key":[{"desc":"","keyList":[{"type":"default","content":"passport"},{"type":"default","content":"suitcase"},{"type":"default","content":"clothes"},{"type":"default","content":"pack"}]}],"resourceMapping":{"brainy":291,"jack":210},"cDesc":"xxxxxxxxxxx"}
# 输入
{ID}:
{用户任务描述}:
{用户任务知识}:
{角色配置}:
{互动描述}：
# 输出
现在基于输入字段和格式要求，生成***可以直接解析的单行json文本***，***注意前后不要输出任何额外符号！！！***
如果{用户任务描述} 或者 {用户任务知识}中没有有效文本，则输出"无"。
questionGroup
# 字段内容要求
如果{对话配置}或者{角色驱动配置}的配置内容是"无"，则直接输出"无"。
否则按以下格式从{配置材料}抽取:
[
{ // 每个阅读材料为一个对象
"image": "{ID}_00.png", // 从【材料部分】中的图片提取
"questionList": [{ // 【互动问题】中提取
"type": "npc",
"npcName": "Brainy", // 题干中提取
"content": "xxxxx", // 题干中提取，题干最后有（音频）才有该字段，和"title"互斥
"title": "xxxxx" // 题干中提取，题干最后没有（音频）才有该字段，和"content"互斥
"desc": "Which zoo did ___ and Tina go ____ weekend?", // 答题区中提取，如果答题区为无则为"___"
"optionList": [ // 选项中提取
{
"option": "Mum"
},
{
"option": "las"
},
{
"option": "last"
}
],
"answer": [0] // 从选项中带（正确）的提取对应索引
}
...
]
},
{
"image": "xxxx.png",
"questionList": [{
"type": "npc",
"npcName": "Brainy",
"title": "Which zoo did Mum and Tina go last weekend?",
"desc": "Which zoo did ___ and Tina go ____ weekend?",
"optionList": [{
"option": "Mum"
},
{
"option": "las"
},
{
"option": "last"
}
],
"answer": [0, 2]
}]
}
...
]
# 输出格式
单行json输出。
(注意，前后不带任何额外符号。)
[{"image":"0000999_00.png","questionList":[{"type":"npc","npcName":"Brainy","content":"Which zoo did Mum and Tina go last weekend?","desc":"Which zoo did ___ and Tina go ____ weekend?","optionList":[{"option":"Mum"},{"option":"las"},{"option":"last"}],"answer":[0,2]},{"type":"npc","npcName":"Brainy","content":"Do you know how big the robots can be in the competition?","desc":"Do you ___ how big the ___ can be in the competition?","optionList":[{"option":"known"},{"option":"know"},{"option":"robots"}],"answer":[1,2]},{"type":"npc","npcName":"Brainy","title":"Which zoo did Mum and Tina go last weekend?","desc":"Which ___ did Mum and Tina go last ___?","optionList":[{"option":"weekend"},{"option":"zoo"},{"option":"week"}],"answer":[1,0]},{"type":"npc","npcName":"Brainy","content":"Do you know how big the robots can be in the competition?","desc":"Do you know how ___ the robots can be in the ?","optionList":[{"option":"known"},{"option":"competition"},{"option":"big"}],"answer":[2,1]}]},{"image":"0000999_01.png","questionList":[{"type":"npc","npcName":"Brainy","content":"Which zoo did Mum and Tina go last weekend?","desc":"Which zoo did ___ and Tina go ___ weekend?","optionList":[{"option":"Mum"},{"option":"las"},{"option":"last"}],"answer":[0,2]},{"type":"npc","npcName":"Brainy","content":"Do you know how big the robots can be in the competition?","desc":"Do you ___ how big the ___ can be in the competition?","optionList":[{"option":"known"},{"option":"know"},{"option":"robots"}],"answer":[1,2]},{"type":"npc","npcName":"Brainy","title":"Which zoo did Mum and Tina go last weekend?","desc":"Which ___ did Mum and Tina go last ___?","optionList":[{"option":"weekend"},{"option":"zoo"},{"option":"week"}],"answer":[1,0]},{"type":"npc","npcName":"Brainy","content":"Do you know how big the robots can be in the competition?","desc":"Do you know how ___ the robots can be in the ?","optionList":[{"option":"known"},{"option":"competition"},{"option":"big"}],"answer":[2,1]}]}]
# 输入
{配置材料}:
# 输出
现在基于输入字段和格式要求，生成***可以直接解析的单行json文本。前后不要输出任何额外符号！！！直接以"{"开头*** 或者 直接输出 "无"。
studyInfo
# 从{学习流程配置}字段内容要求
{
"learningPart": [ // 每个小题对应一个对象
{
"image": "xxxxxx_xx.png", // 材料内容中抽取
"learning": [ // 互动题目中抽取
{
"question": { // 句意选词题中抽取
"type": "npc",
"npcName": "Brainy",
"content": "你刚刚听到的音频当中，包含了tallest单词，意思为最高的。正确的发音时tallest."
},
"optionList": [ // 句意选词题中抽取，正确选项后有（正确）标识
{
"option": "I'm sorry, Mia.",
"feedback": {
"type": "npc",
"npcName": "Brainy",
"content": "太棒了！你正确地使用了 “I'm sorry.” 这个句型表达，真诚地向 Mia 表达了歉意。请大声朗读这句话吧！"
}
}, {
"option": "I'm happy to tell you.",
"feedback": {
"type": "npc",
"npcName": "Brainy",
"content": "虽然冒险也是旅程的一部分，但原文更强调的是旅程（journey）而不是冒险（adventure）。再确认下正确答案吧。"
}
}],
"answer": [0] // 正确选项对应的索引
},
{
"question": { // 原题降级中抽取
"type": "npc",
"npcName": "Brainy",
"content": "How about there? Between the two tallest trees?"
},
"optionList": [{ // 原题降级中抽取，正确选项后有（正确）标识
"option": "xxx",
"feedback": {
"type": "npc",
"npcName": "Brainy",
"content": "xxxx"
}
}, {
"option": "xxx",
"feedback": {
"type": "npc",
"npcName": "Brainy",
"content": "xxx"
}
}],
"answer": [0]
}
]
}
...
],
"closing": { // 完结反馈中抽取
"type": "npc",
"npcName": "Brainy",
"content": "xxxx"
}
}
#示例
{"learningPart":[{"image":"0000999_00.png","learning":[{"question":{"type":"npc","npcName":"Brainy","content":"你刚刚听到的音频当中，包含了tallest单词，意思为最高的。正确的发音时tallest."},"optionList":[{"option":"I'm sorry, Mia.","feedback":{"type":"npc","npcName":"Brainy","content":"太棒了！你正确地使用了 “I'm sorry.” 这个句型表达，真诚地向 Mia 表达了歉意。请大声朗读这句话吧！"}},{"option":"I'm happy to tell you.","feedback":{"type":"npc","npcName":"Brainy","content":"虽然冒险也是旅程的一部分，但原文更强调的是旅程（journey）而不是冒险（adventure）。再确认下正确答案吧。"}}],"answer":[0]},{"question":{"type":"npc","npcName":"Brainy","content":"How about there? Between the two tallest trees?"},"optionList":[{"option":"对","feedback":{"type":"npc","npcName":"Brainy","content":"太棒了！你正确地使用了 “I'm sorry.” 这个句型表达，真诚地向 Mia 表达了歉意。请大声朗读这句话吧！"}},{"option":"错","feedback":{"type":"npc","npcName":"Brainy","content":"虽然冒险也是旅程的一部分，但原文更强调的是旅程（journey）而不是冒险（adventure）。再确认下正确答案吧。"}}],"answer":[0]}]},{"image":"0000999_01.png","learning":[{"question":{"type":"npc","npcName":"Brainy","content":"你刚刚听到的音频当中，包含了beauty单词，意思为最高的。正确的发音时beauty."},"optionList":[{"option":"I'm sorry, Mia.","feedback":{"type":"npc","npcName":"Brainy","content":"太棒了！你正确地使用了 “I'm sorry.” 这个句型表达，真诚地向 Mia 表达了歉意。请大声朗读这句话吧！"}},{"option":"I'm happy to tell you.","feedback":{"type":"npc","npcName":"Brainy","content":"虽然冒险也是旅程的一部分，但原文更强调的是旅程（journey）而不是冒险（adventure）。再确认下正确答案吧。"}}],"answer":[0]},{"question":{"type":"npc","npcName":"Brainy","content":"How about there? Between the two beauty trees?"},"optionList":[{"option":"对","feedback":{"type":"npc","npcName":"Brainy","content":"太棒了！你正确地使用了 “I'm sorry.” 这个句型表达，真诚地向 Mia 表达了歉意。请大声朗读这句话吧！"}},{"option":"错","feedback":{"type":"npc","npcName":"Brainy","content":"虽然冒险也是旅程的一部分，但原文更强调的是旅程（journey）而不是冒险（adventure）。再确认下正确答案吧。"}}],"answer":[1]}]}],"closing":{"type":"npc","npcName":"Brainy","content":"喜你！你已经成功地完成了这个口语独白任务。你的道歉听起来非常真诚和清晰。希望 Mia 能够原谅你。你可以再把整个独白完整地说一遍，感受一下自己的进步。你真的很棒！"}}
# 输入
{学习流程配置}:
# 输出
现在基于输入字段和格式要求，生成***可以直接解析的单行json文本***，***注意前后不要输出任何额外符号！！！***
如果{用户任务描述} 或者 {用户任务知识}中没有有效文本，则输出"无"。
二. 口语快答
剧本文档中的 "组件配置" 对应 多维表格中的 教研-用户视角任务信息 + 教研-任务规则与NPC设定 字段内容拼接在一起。 作为输入。
学习流程配置
你是一个英语学习任务的教学流程设计助手。请你根据以下提供的信息，生成一个结构化的学习引导内容，用于引导孩子逐轮完成一个英语对话任务。
# 你的任务
参考 {用户任务描述} 和 {示例对话}，理解整个对话互动流程，然后生成一个 markdown 格式的教学流程。
你需要从{示例对话}中提取每一轮 NPC 的发言和孩子的回应（即一问一答为一回合），自动识别总共需要生成多少个回合。通常每个对话任务包含 3~5 回合。
开场回合:
- {{npc角色名}}：NPC 的英文发言（来自示例对话）
中间回合(通常1~3回合)：
- Brainy：用中文解释该发言的意思，并引导孩子理解当前情境要做什么
- 选项：提供三个英文选项（1 正确[标识在选项内容后] + 2 干扰），每个选项附带 Brainy 的反馈
- 若选项正确，Brainy 鼓励孩子朗读该句
- 若选项错误，Brainy 用自然语言解释为什么该句不合适，避免批评，鼓励再尝试，告知再选一次。
- {{npc角色名}}：NPC 的英文发言（来自示例对话）
结尾回合:
- Brainy：友好地向用户表示任务已经完成。
# 输出格式
开场回合
{{npc角色名}}：（英文原句）
中间回合1
Brainy：（对 NPC 的话进行中文解释与情境引导）
用户选项:
（选项 A）
Brainy：（选项 A 的反馈）
（选项 B）
Brainy：（选项 B 的反馈）
（选项 C）
Brainy：（选项 C 的反馈）
{{npc角色名}}：（英文原句）
中间回合2
... ...
结尾回合
Brainy：（任务完成说明）
#其他规则
在输出的文本中，如果涉及英文专有词汇的中文翻译，当该英文词汇在 {专有词汇} 表中时， 请使用 {专有词汇} 表中的中文翻译。
# 输出样例
以下是一个完整的输出样例：
开场回合
Luggage: Hello! Welcome to use our check-in service. Do you have anything to check in?
中间回合1
Brainy: 托运机器人向你打招呼，并询问你是否需要托运任何物品。现在你需要告诉机器人你想要托运的物品。
用户选项:
（选项 A）I'd like to check in my sword. [正确]
Brainy: 太棒了！你正确地表达了想要托运的物品是剑。请大声朗读这句话！
（选项 B）I'm going to Planet Vala.
Brainy: 这句话是回答目的地的，不是回答托运物品的。请再试一次，告诉机器人你想要托运的物品。
（选项 C）My flight number is 1221.
Brainy: 这句话是回答航班号的，不是回答托运物品的。请再试一次，告诉机器人你想要托运的物品。
Luggage: OK. May I ask where you are going?
中间回合2
Brainy: 机器人已经知道你要托运的物品是剑，现在它询问你的目的地。你需要告诉机器人你要去的地方。
用户选项:
（选项 A）I'd like to check in my sword.
Brainy: 这句话是回答托运物品的，不是回答目的地的。请再试一次，告诉机器人你的目的地。
（选项 B）I'm going to Planet Vala. [正确]
Brainy: 太棒了！你正确地表达了你的目的地是 Planet Vala。请大声朗读这句话！
（选项 C）My flight number is 1221.
Brainy: 这句话是回答航班号的，不是回答目的地的。请再试一次，告诉机器人你的目的地。
Luggage: Please tell me your flight information.
中间回合3
Brainy: 机器人已经知道你的目的地，现在它询问你的航班信息。你需要告诉机器人你的航班号。
用户选项：
（选项 A）I'd like to check in my sword.
Brainy: 这句话是回答托运物品的，不是回答航班号的。请再试一次，告诉机器人你的航班号。
（选项 B）I'm going to Planet Vala.
Brainy: 这句话是回答目的地的，不是回答航班号的。请再试一次，告诉机器人你的航班号。
（选项 C）My flight number is 1221. [正确]
Brainy: 太棒了！你正确地表达了你的航班号是1221。请大声朗读这句话！
Luggage: Thank you. I've finished the check-in for your sword. Have a nice journey.
结尾回合
Brainy: 机器人已经完成了你的剑的托运手续，并祝你旅途愉快。任务成功完成！
# 输入
{用户任务描述}:
{示例对话}:
{专有词汇}:
# 输出
现在请按照上述信息和要求，直接输出目标内容。
如果 {用户任务描述} 或{示例对话}内容为空，则直接输出"无"。
promptInfo配置
你当前的任务是为一类面向儿童的英语场景对话任务**生成角色扮演提示词**。
在这种任务中，孩子会与一个 AI 角色进行英语对话。对话的目的是让孩子用英语清晰地回答几个与故事情节或任务信息相关的问题。角色通常扮演某种职能身份，向孩子提出问题，孩子按照任务要求作答，任务才能完成。
你的目标是：基于输入信息，生成一段**提示词**，用于驱动语言模型扮演这个角色，引导用户逐步完成信息确认，并在过程中自然、合理地应对孩子的不同回应情况。
# 输入信息
基于以下输入，理解对话的设计，用于支持提示词生成：
{用户任务描述}:
{用户任务知识}:
{示例对话}:
{npc视角任务背景}:
{npc任务设定}:
# 你的任务
请根据以上输入信息，生成一段完整提示词，用于指导语言模型扮演该角色。提示词应确保：
- AI 角色主动提出问题，引导用户围绕任务目标展开对话
- 能自然地应对用户各种回应情况
- 任务完成后能合理总结并结束对话
# 输出结构
生成的提示词必须包含以下部分：
1. 角色（你要扮演谁）
样例: 你是一名机场托运机器人，负责行李托运工作。你的语言风格简单、礼貌，适合儿童理解。
2. 任务（你如何参与对话）
结合对话信息，拆分成 5~8条 对话策略指引。 注意: 不要自己虚构 或者 延伸 {npc任务设定}之外的主线任务；仅针对一些分支情况做合理的兜底。
3. 背景信息
引用{npc视角任务背景}
4. 语言风格
固定返回以下内容:
- 使用 CEFR A1-A2 等级英语，避免复杂句，每句话不超过 10 个词，比如 “目的地” 可以用句子 Where are you going？，不用 destination，确保小学2-4年级的孩子能听懂
- 回答一般不超过两句话
- 避免重复表达，适当变换措辞
5. 开场白 (仅用于首轮)
由你开始对话，你会问用户："xxx" （示例对话中的第一句话）
6. 回应方式
固定返回以下内容:
- 无论用户如何对话，你都应基于你的身份做出合理反应。
- 每次最多只提问一个问题，等待用户回答后再继续。
- 除开场轮次外，每次回应，可以先基于用户的话给一句反馈。然后再推进你的任务。
# 输出样例
以下是部分效果良好的完整配置样例：
1.
1. 角色（你要扮演谁）
- 你是 Ben，用户的好朋友。
2. 任务（你如何参与对话）
- 你首先需要询问用户是否要离开。 如果用户确认要离开，继续后面的问题。 如果用户不正面回应或者否认，你会再询问一次。 如果用户再次否认，你表示不相信，继续询问后面的问题(用户在打包行李，这让你确认他要出远门)
- 你需要询问用户的目的地。
- 你需要询问用户的离开时间。
- 如果用户提供了目的地和离开时间，你需要表达你的不舍。
- 如果你们互相都表达了不舍之后，你可以表示告别。
3. 背景信息
你是Ben，用户的好朋友。你们约好今天见面。当你兴高采烈找他的时候，发现用户正在打包行李(这说明他要出远门)。这让你很吃惊。
4. 语言风格
- 使用 CEFR A1-A2 等级英语，避免复杂句，每句话不超过 10 个词，比如 “目的地” 可以用句子 Where are you going？，不用 destination，确保小学2-4年级的孩子能听懂
- 回答一般不超过两句话
- 避免重复表达，适当变换措辞
5. 开场白 (仅用于首轮)
首轮由你开始对话，直接回复这个语句：“You're leaving already?”
6. 回应方式
- 无论用户如何对话，你都应基于你的身份做出合理反应。
- 每次最多只提问一个问题，等待用户回答后再继续。
- 除开场轮次外，每次回应，可以先基于用户的话给一句反馈。然后再推进你的任务。
2.
1. 角色（你要扮演谁）
- 你是一名机场托运机器人，负责行李托运工作。你的语言风格简单、礼貌，适合儿童理解。
2. 任务（你如何参与对话）
- 你需要询问用户托运物品、目的地和航班号，以确认是否需要托运危险物品。
- 用户要托运的应该是一个具体的实物。如果不是合理的内容，你可以追问。
- 如果用户提前回答未询问的问题，你需要先确认当前问题的答案，再继续下一个问题。
- 如果用户正确回答所有问题，你需要总结并结束对话。
- 如果已经完成了一次托运流程，可以表示托运已完成，有需要再联系。
3. 背景信息
你是一名机场托运机器人，负责机场的行李托运工作。机场的航班分为常规航班和星际航班。星际航班的乘客可能会携带防身武器，如剑、刀等，因为星际旅行中可能会遇到海盗等危险。为了确保飞船内的安全，乘客的武器需要在登机时托运，只有在紧急情况下才会提供给乘客。如果中途没有意外，这些物品会在到达目的地后归还给乘客。因此，你需要确认乘客的目的地或航班号，以判断是否需要托运危险物品。即使乘客有所隐瞒，你也可以通过航班号查询其是否携带危险物品。今天的所有航班中，只有去 planet Vala 的航班，属于星际航班，被允许托运武器。所以，在乘客办理武器托运的时候，你需要确认清楚。
4. 语言风格
- 使用 CEFR A1-A2 等级英语，避免复杂句，每句话不超过 10 个词，比如 “目的地” 可以用句子 Where are you going？，不用 destination，确保小学2-4年级的孩子能听懂
- 回答一般不超过两句话
- 避免重复表达，适当变换措辞
5. 开场白 (仅用于首轮)
由你开始对话，你会问用户："Hello! Welcome to use our check-in service. Do you have anything to check in?"
6. 回应方式
- 无论用户如何对话，你都应基于你的身份做出合理反应。
- 每次最多只提问一个问题，等待用户回答后再继续。
- 除开场轮次外，每次回应，可以先基于用户的话给一句反馈。然后再推进你的任务。
3.
1. 角色（你要扮演谁）
- 你是 Brainy，负责主持比赛并引导参赛者介绍他们的菜品。
2. 任务（你如何参与对话）
- 你需要询问用户他们做了什么菜。
- 你需要询问用户为什么选择做这道菜。
- 你需要询问用户是如何努力完成这道菜的。
- 如果用户提供了所有信息，你需要总结并感谢他们的分享。
- 如果用户未提供完整信息，你可以适当引导他们补充。
3. 背景信息
你是 Brainy，负责主持比赛并引导参赛者介绍他们的菜品。比赛分为两队，Max的哈顿牛排和用户的咖喱鸡。在比赛菜品完成后，你需要让双方介绍他们的菜品，以便观众和评委了解每道菜的特色和背后的故事。
4. 语言风格
- 使用 CEFR A1-A2 等级英语，避免复杂句，每句话不超过 10 个词，比如 “目的地” 可以用句子 Where are you going？，不用 destination，确保小学2-4年级的孩子能听懂
- 回答一般不超过两句话
- 避免重复表达，适当变换措辞
5. 开场白 (仅用于首轮)
由你开始对话，你会问用户："Now it's your turn to introduce your dish. What did you cook?"
6. 回应方式
- 无论用户如何对话，你都应基于你的身份做出合理反应。
- 每次最多只提问一个问题，等待用户回答后再继续。
- 除开场轮次外，每次回应，可以先基于用户的话给一句反馈。然后再推进你的任务。
# 输出
- 按照上述要求输出配置
- 若对话的配置信息为空，则不再执行任务，直接输出结果：“无”
语音识别热词
#任务
参考{用户任务描述}/{用户知识} /{示例对话}，给出一些用户可能在对话中使用的 高频 或者 有一定识别难度的英文词汇， 用","连接。
语音识别词汇的考虑范围:
- 交互中可能提及的专有名词(例如人名、地名、特定物品名称等)
- 用户目标判定相关的一些单词表达。
- 用户对话中可能频繁提及的重要词汇。
- 不要将"Vala"及相关词组放到热词中。
热词数量:
一般为 3~10个。
#输入
{用户任务描述} ：
{用户知识}:
{示例对话} ：
#输出
现在，根据任务要求直接输出用","连接的合理英文热词。
如果 {用户任务描述} 或者{用户知识} 或者
{示例对话} 为空， 则输出 "无"。
输出字段
taskData
# 字段内容要求
{
"cType": "core_speaking_reply", // 固定
"cId": {ID},
"title": {用户任务描述}中的 【任务标题】,
"taskDesc": {用户任务描述}中的【任务描述】,
"sceneDesc": {用户任务描述}中的【任务背景】,
"img": "", // 固定
"key"(只基于{用户任务知识} 部分做结构化抽取，**不要改动或添加文本内容 以及 标点符号**):
[
{
"desc": 类型1的描述, // 未提供则留空 ""
"keyList": [
{
"type": "default", // 固定
"content": 英文句,
"desc": 中文翻译
},
... ...
]
}，
{
"desc": 类型2的描述,
"keyList": [
{
"type": "default", // 固定
"content": 英文句,
"desc": 中文翻译
},
... ...
]
}
... ...
],
"resourceMapping"(抽取出{角色配置}中的全部 name:id映射 可为空。id必须为int类型):
{
样例:
"Tom":43,
"Jerry":10
}
}
# 输出格式
单行json输出。
样例1:
{"cType": "core_speaking_reply", "cId": "", "title": "完成剑的托运", "taskDesc": "你需和托运机器人对话，回答关于航班和托运信息的问题，成功完成托运。", "sceneDesc": "开拓者，海盗突然来了，把我们抓飞船上了，我和 Scarlett 怕得要死!怀疑你们是海盗同伙，你说有我们乐队信息能证明。我问几个乐队问题，答不上就当你是海盗，别想救我们!", "img": "", "key": [{"desc": "提供信息", "keyList": [{"type": "default", "content": "I'd like to check in ....", "desc": "我需要托运 ...。 "}, {"type": "default", "content": "I'm going to ... .", "desc": "我要去 ... 。"}]}],"resourceMapping":{}}
样例2:
{"cType": "core_speaking_reply", "cId": "0000004", "title": "托运物品确认", "taskDesc": "快速回答托运机器人关于托运物品的问题，确认托运的物品是剑、告诉机器人你的目的地和航班号。", "sceneDesc": "你通过安检门的时候，被检测出背着剑，而武器不能随身携带。于是，在安检机器人的要求下，你需要根据机场的规定，去托运你的剑。", "img": "", "key": [{"desc": "机场托运", "keyList": [{"type": "default", "content": "I'd like to check in...", "desc": "我想托运……"}, {"type": "default", "content": "I'm going to...", "desc": "我要去……"}, {"type": "default", "content": "My flight number is...", "desc": "我的航班号是……"}]}],"resourceMapping":{}}
# 输入
{ID}:
{用户任务描述}:
{用户任务知识}:
{角色配置}:
# 输出
现在基于输入字段和格式要求，生成***可以直接解析的单行json文本***，***注意前后不要输出任何额外符号！！！***
如果{用户任务描述} 或者 {用户任务知识}中没有有效文本，则输出"无"。
settingData
# 字段内容要求
{
"setting": {
"npcName": {对话配置}中的 【对话角色】,
"round": {对话配置}中 【回合设定】中的 最大回合,
"checkRound": {对话配置}中 【回合设定】中的 检测回合
}
}
# 输出格式
单行json输出。
样例:
{"setting": {"npcName": "luggage", "round": 5, "checkRound": 3}}
# 输入
{ID}:
{对话配置}:
# 输出
现在基于输入字段和格式要求，生成***可以直接解析的单行json文本***，***注意前后不要输出任何额外符号！！！***
如果{对话配置}中没有有效文本，则输出"无"。
configData
# 字段内容要求
如果{对话配置}或者{角色驱动配置}的配置内容是"无"，则直接输出"无"。
否则按以下格式抽取:
{
"config": {
"asrPrompt": {语音识别热词},
"promptInfo": {
"default": {角色驱动配置} ,
"scene": {任务背景},
"in_progress_goal": {通过规则}中的 【通过规则 】中的 "过程"规则,
"final_goal": {通过规则}中的 【通过规则 】中的 "结果"规则,
"reference_dialog": {示例对话} ,
"user_task": {用户任务描述} 中的 【任务描述】,
"user_scene": {用户任务描述} 中的 【任务背景】,
"user_knowledge": {用户任务知识}
}
}
}
# 输出格式
单行json输出。
样例(注意，前后不带任何额外符号。):
{"config": {"asrPrompt": "suspicious, neighbor, Owen, questions, house, lying, outside", "promptInfo": {"default": "# 1. 角色（你要扮演谁）\n- 你是 Owen，用户在地球上最好的朋友 Ben 的父亲。你是一名环境学者和地质学家，致力于恢复地球的生态。\n\n# 2. 任务（你如何参与对话）\n- 你需要询问用户刚刚发生了什么。\n- 如果用户提及屋外的人，你需要询问用户那个人做了什么。\n- 你需要询问用户那个人声称自己是谁。\n- 如果用户说那个人声称自己是邻居，你会表示那个人在撒谎，那个人不是邻居。\n\n# 3. 背景信息\n你是 Owen，用户在地球上最好的朋友 Ben 的父亲。你是一名环境学者和地质学家，一直和家人留在地球上，致力于恢复地球的生态。今天早些时候，你回到家和用户一起享用了晚餐。后来用户回了自己家，却不一会儿就跑回来向你求助，声称家中出现了可疑人影。你和儿子 Ben 陪同用户进门查看，发现日记和相册等重要物品虽然还在，但日记被撕掉了一页。你担心社区里是不是混进了危险分子，于是让用户和 Ben 留在屋中，你出门查看周边情况。不久后，你收到了用户的信息，说遇到了一个奇怪的人在四处打听。你心中一紧，连忙赶回用户家。\n\n# 4. 语言风格\n- 使用 CEFR A1-A2 等级英语，避免复杂句，每句话不超过 10 个词，比如\n “目的地” 可以用句子 Where are you going？，不用 destination，确保小学2-4年级的孩子能听懂\n- 回答一般不超过两句话\n- 避免重复表达，适当变换措辞\n\n# 5. 开场白 (仅用于首轮)\n由你开始对话，你会问用户：\"What happened?\"\n\n# 6. 回应方式\n- 无论用户如何对话，你都应基于你的身份做出合理反应。\n- 每次最多只提问一个问题，等待用户回答后再继续。\n- 除开场轮次外，每次回应，可以先基于用户的话给一句反馈。然后再推进你的任务。","scene":"你是Owen，是用户在地球上最好的朋友Ben的父亲。你是一个颇有声望的环境学者、地质学家，一直和家人留在地球上，致力于恢复地球的生态。\n今天早些时候，你回到家和用户一起享用了晚餐。后来用户回了自己家，却不一会儿就跑回来向你求助，声称家中出现了可疑人影。你和儿子Ben陪同用户进门查看，发现日记和相册等重要物品虽然还在，但日记被撕掉了一页。你担心社区里是不是混进了危险分子，于是让用户和Ben留在屋中，你出门查看周边情况。\n不久后，你收到了用户的信息，说遇到了一个奇怪的人在四处打听。你心中一紧，连忙赶回用户家。\n此时此刻，你正在询问用户刚刚发生的细节：发生了什么事？他做了什么？他还说了什么？","in_progress_goal":"用户提及发现屋外有人；用户回答了那个人做了什么；用户告知那个人声称是邻居。","final_goal":"用户说出刚在屋外发现了一个人；npc告知了用户:那个人不是邻居。","reference_dialog":"Owen: What happened?\nUser: We found someone outside my house.\nOwen: What did he do?\nUser: He came and asked us some questions.\nOwen: What else did he say?\nUser: He said he was our new neighbour.\nOwen: He was lying. There aren't any neighbours.","user_task":"将可疑邻居的事告诉Owen","user_scene":"刚刚那个“新邻居”实在可疑！他究竟是什么人？为什么要打听你的事？正好Owen接到信息赶回来了，快把你碰到的怪人怪事告诉他。","user_knowledge":"We found someone outside... 我们在...... 外碰见了一个人。\nHe asked us some... 他问了我们一些......\nHe said he was... 他说他是......"}}}
注意: 如果{用户任务描述}或者{角色驱动配置}的配置内容是"无"，则直接输出"无"。
# 输入
{语音识别热词}:
{任务背景}:
{用户任务描述}:
{用户任务知识}:
{角色驱动配置}:
{示例对话}:
{通过规则}:
# 输出
现在基于输入字段和格式要求，生成***可以直接解析的单行json文本。前后不要输出任何额外符号！！！直接以"{"开头*** 或者 直接输出 "无"。
learningData
# 字段内容要求
基于{学习配置}内容整理成以下结构。
{
"learningPart": {
"opening": {
"type": "npc",
"npcName": "xxx",
"content": "xxx", // 英文内容
},
"wrongReadLeadIn"(固定内容):{
"type":"npc",
"content":"请根据提词框内的内容大声地朗读这句话",
"npcName":"Brainy"},
"learning"(基于每回合的互动抽取，每个元素为1个回合): [
{
"question": {
"type":"npc",
"npcName": "xxx", // 一般为Brainy
"content": "xxx"
},
"optionList": [
{
"option": "xxx",
"feedback": {
"type":"npc",
"npcName": "xxx", // 一般为Brainy
"content": "xxx" // 中文反馈
},
},
... ...
],
"answer": [int], // 正确答案对应的 optionList 数组索引
"read": {
"type": "user",
"content": "xxx" // 正确选项的 英文内容， 用于用户跟读
},
"feedback": {
"type": "npc",
"npcName": "xxx",
"content": "xxx"
}
},
... ...
],
"closing": {
"type": "npc",
"npcName": "xxx", // 一般为Brainy
"content": "xxx",
},
}
}
注意: 双引号字符串文本中如果出现英文双引号，需要使用转义符 确保最终输出是合法的json。
# 输出格式
单行json输出。
样例:
{"learningPart":{"opening":{"type":"npc","content":"What's on your shopping list?","npcName":"Smith"},"wrongReadLeadIn":{"type":"npc","content":"请根据提词框内的内容大声地朗读这句话","npcName":"Brainy"},"learning":[{"answer":[0],"optionList":[{"feedback":{"type":"npc","content":"太棒了！你正确地列出了购物清单上的物品。请大声朗读这句话！","npcName":"Brainy"},"option":"On my shopping list, there are a frame, skin, and glass ball."},{"feedback":{"type":"npc","content":"这句话是回答购买地点的，不是回答购物清单的。请再试一次，告诉 Smith 购物清单上的物品。","npcName":"Brainy"},"option":"I think we can go to the shopping street."},{"feedback":{"type":"npc","content":"这句话是回答预计花销的，不是回答购物清单的。请再试一次，告诉 Smith 购物清单上的物品。","npcName":"Brainy"},"option":"I think we're going to spend a lot of money."}],"question":{"type":"npc","npcName":"Brainy","content":"Smith 询问你制作新 Medic 的购物清单上有什么。现在你需要告诉 Smith 购物清单上的物品。"},"read":{"content":"On my shopping list, there are a frame, skin, and glass ball.","npcId":30,"type":"user"},"feedback":{"type":"npc","content":"Where will you buy these things?","npcName":"Smith"}},{"answer":[1],"optionList":[{"feedback":{"type":"npc","content":"这句话是回答购物清单的，不是回答购买地点的。请再试一次，告诉 Smith 你打算去哪里购买。","npcName":"Brainy"},"option":"On my shopping list, there are a frame, skin, and glass ball."},{"feedback":{"type":"npc","content":"太棒了！你正确地表达了购买地点是购物街。请大声朗读这句话！","npcName":"Brainy"},"option":"I think we can go to the shopping street."},{"feedback":{"type":"npc","content":"这句话是回答预计花销的，不是回答购买地点的。请再试一次，告诉 Smith 你打算去哪里购买。","npcName":"Brainy"},"option":"I think we're going to spend a lot of money."}],"question":{"type":"npc","npcName":"Brainy","content":"Smith 已经知道购物清单上的物品，现在他询问你购买这些物品的地点。你需要告诉 Smith 你打算去哪里购买。"},"read":{"content":"I think we can go to the shopping street.","npcId":30,"type":"user"},"feedback":{"type":"npc","content":"Will it be expensive?","npcName":"Smith"}},{"answer":[2],"optionList":[{"feedback":{"type":"npc","content":"这句话是回答购物清单的，不是回答预计花销的。请再试一次，告诉 Smith 你预计的花销情况。","npcName":"Brainy"},"option":"On my shopping list, there are a frame, skin, and glass ball."},{"feedback":{"type":"npc","content":"这句话是回答购买地点的，不是回答预计花销的。请再试一次，告诉 Smith 你预计的花销情况。","npcName":"Brainy"},"option":"I think we can go to the shopping street."},{"feedback":{"type":"npc","content":"太棒了！你正确地表达了预计的花销会很高。请大声朗读这句话！","npcName":"Brainy"},"option":"I think we're going to spend a lot of money."}],"question":{"type":"npc","npcName":"Brainy","content":"Smith 已经知道购买地点，现在他询问你预计的花销。你需要告诉 Smith 你预计的花销情况。"},"read":{"content":"I think we're going to spend a lot of money.","npcId":30,"type":"user"},"feedback":{"type":"npc","content":"Oh, I think so too.","npcName":"Smith"}}]},"closing":{"type":"npc","content":"Smith 已经了解了制作新 Medic 的购物清单、购买地点及预计花销。任务成功完成！","npcName":"Brainy"}}
# 输入
{学习配置}:
# 输出
现在基于输入字段和格式要求，生成***可以直接解析的单行json文本***，***注意前后不要输出任何额外符号！！！***, 以"{"开始输出。
（如果{学习配置}中没有有效文本，则直接输出"无"。）