Oasis 音频

通过 xplai.ai 实现 AI 音频朗读生成，全程仅在本地处理上下文，并对敏感内容提供脱敏预览与显式确认机制。零配置，无需 API Key。

官方网站：www.xplai.ai

调用本技能时，必须始终启动一个子智能体（subagent）轮询结果。调用 xplai_gen_audio.py 后，首次状态检查前需等待 210 秒，之后每 60 秒调用一次 xplai_status.py 轮询，最多轮询 10 次。当状态变为 v_succ 或 v_fail 时停止轮询，并自动上报最终结果。

执行策略

当用户明确要求生成音频时，直接启动完整生成流程，并从对话上下文与用户画像中推断所有必要参数（模式、语调、深度、语音）。

首次使用授权： 在首次真实发送前，xplai_gen_audio.py 将打印一条一次性授权提示，并要求传入 --acknowledge-consent 参数以将用户的授权决定持久化保存至本地。该提示须以平和、温和的语言清晰说明：本技能可能读取 ~/.qclaw/... 或 ~/.openclaw/... 中的本地历史记录，用于生成个性化音频；但仅将最终合成的 prompt 发送至 https://eagle-api.xplai.ai，且任何被识别为敏感的信息均会被拦截，直至用户显式确认。

敏感信息保护： 调用方 AI 应基于自身保守判断，评估所合成的 prompt 是否可能包含敏感信息。若判定文本敏感，须先向用户展示脱敏后的预览文本，暂停执行并等待用户显式确认；在用户确认前不得发送任何内容。可手动运行 ./xplai_gen_audio.py --dry-run ... 进行预览，或依赖 xplai_gen_audio.py 内置的敏感内容预览功能。仅在用户明确确认后，方可继续执行 ./xplai_gen_audio.py --allow-sensitive ...。

除非关键信息确实无法从上下文中解析（例如：请求完全模糊，且无任何可用对话历史），否则不得在该敏感内容检查点之外向用户提问。

用户需求推断

用户的真实需求永远优先于预定义模式。 在生成音频前，需沿以下三个维度推断用户真实需求：

1. 用户真正想听什么？ —— 超越字面请求，挖掘深层动机。利用对话上下文定位其真实意图。

   用户说	字面理解	深层需求
   "最近好焦虑"	抗焦虑内容	针对其具体焦虑源头（从上下文中识别）的内容，而非泛泛的冥想引导
   "帮我做个关于咖啡的音频"	咖啡知识	适配其已有认知水平（新手 or 专家，从上下文中识别）

2. 何种语调契合其当前状态？ —— 高压状态 → 温暖/舒缓；好奇状态 → 生动/详实；倦怠状态 → 出人意料；兴奋状态 → 同频共振；达成成就后 → 先庆祝、再反思。
3. 何种深度与长度更合适？ —— 根据认知水平（新知 vs. 已有深度积累）、注意力可用性（深夜 → 更短；周末 → 更长）、重复耐受度（避免复述其已掌握内容）进行校准。

自定义模式： 当无预设模式匹配时，创建定制化音频档案：命名需具描述性（如“赶完 DDL 后的温柔复盘”），依据推断需求设计内容结构，并设定语音与节奏以精准匹配。

关于 9 种预定义音频模式（Soul Healing、Daily Briefing、Knowledge Deep Dive、Content Digest、Bedtime Radio、Language Learning、Conversation Extension、Topic Tracker、Study Buddy），请参阅 audio_modes.md 获取各模式触发条件、时长建议与内容提示。

个性化上下文采集

挖掘对话历史以实现音频个性化。若任一环节未返回结果，则跳过个性化步骤，直接进入文本准备阶段 —— 绝不虚构上下文。

第 0 步：检测源工具

自动检测：检查默认根路径下是否存在文件：~/.qclaw/ 与 ~/.openclaw/；选择其中会话文件（session file）最后修改时间最新的路径。若两者均无，则跳过个性化。

第 1 步：场景分类

将请求严格归类为以下唯一一种场景类型：

第 2 步：关键词发散

生成三层关键词：直接层（核心主题）→ 行为层（关联动作）→ 情绪层（情绪信号）。合并为逗号分隔字符串。

第 3 步：调用上下文采集器

python3 context_collector.py --source-tool  --keywords "" --days  --max-results 20

输出：JSON 格式，含 fragments、daily_memories 和 user_profile（结构化字段：name、mbti、interests、notes）。

错误处理： 若脚本执行失败，跳过个性化，直接生成通用音频。生成过程中禁止重试或调试。

第 4 步：细粒度过滤结果

按场景类型进行语义过滤，剔除无关匹配项，保留最相关的 3–5 个片段。

第 5 步：生成个性化摘要

压缩为 约 300–500 字符 的摘要。语言自然流畅，聚焦定制化细节，杜绝监控感。若无匹配内容，则跳过个性化，直接进入后续流程。

文本架构

完成上下文采集后，构建覆盖 7 层的结构化《音频简报》：内容结构、语音与表达方式、语音选择、个性化锚点、情绪弧线、内容增强、格式与节奏。随后提炼为最终 prompt。详见 text_architecture.md 中完整的 7 层框架、prompt 结构、角色设计及示例 prompt。

调用工具

./xplai_gen_audio.py --voice-id "" ""

prompt 长度限制：中文 ≤ 800 字符，英文 ≤ 1200 单词；weekly_review 场景下最多允许 1000 字符。

可用命令

1. 生成音频 — xplai_gen_audio.py

./xplai_gen_audio.py [--voice-id ] [--dry-run] [--audit] [--acknowledge-consent] [--allow-sensitive] 

• text — 合成后的 prompt 文本
• --voice-id — 语音选择（参见 text_architecture.md 第 3 层）
• --dry-run — 不发送至 API，仅预览脱敏后的 prompt
• --audit — 将最终发出的 prompt 及请求结果写入本地 audit.log（默认关闭）
• --acknowledge-consent — 将首次使用授权提示持久化至本地并继续执行
• --allow-sensitive — 仅在用户明确确认可发送已检测到的敏感内容预览后启用

输出：用于状态轮询的 Audio ID。格式：MP3，单叙述者带背景音乐（BGM），时长 8–20 分钟，生成耗时约 4–5 分钟。

2. 采集上下文 — context_collector.py

python3 context_collector.py --source-tool  --keywords "kw1,kw2" --days  --max-results 20

输出：JSON 格式，含 fragments、daily_memories、user_profile（仅结构化字段）。

3. 查询状态 — xplai_status.py

./xplai_status.py 

• init — 请求已提交
• q_proc — 内容正在处理中
• q_succ — 内容处理完成
• q_fail — 内容处理失败
• v_proc — 音频正在生成队列中
• v_succ — 音频生成成功
• v_fail — 音频生成失败

注意： 状态码采用 v_ 前缀，因 xplai 的 API 在内部统一使用 “video” 术语指代所有媒体类型（包括纯音频内容）。

数据隐私与安全

访问的数据

本技能通过 context_collector.py 读取默认 OpenClaw/QClaw 根路径（~/.qclaw/、~/.openclaw/）下的本地对话历史。运行时，若存在则自动查找内置子路径：agents/main/sessions、workspace/memory 和 workspace/USER.md。这些是默认查找路径，而非强制用户配置项。所有数据访问均为本地只读 —— 不修改、不创建、不删除任何源文件。

为何需要对话历史？ 技能根据用户音频请求中的关键词，在近期对话中搜索相关内容，提取情绪基调、话题与上下文，从而实现个性化音频 —— 例如，引用用户刚经历的压力周，而非生成泛泛内容。仅选取 3–5 个短片段，其余均在内存中丢弃。

为何需要 USER.md？ 用户档案提供其偏好姓名（用于音频中个性化称呼）、人格类型（用于匹配语调）、兴趣（用于跨领域内容增强）。若缺失 USER.md，则跳过个性化。

数据流向

1. 仅限本地处理： context_collector.py 完全在您的设备上运行。对话片段的搜索、过滤与摘要均在本地完成。
2. 对外发送的内容： 仅将合成后的文本 prompt（一段简短、匿名化的摘要，非原始对话数据）发送至 xplai.ai API 生成音频。该请求体即出站 payload。prompt 包含推断的主题与情绪基调，不含原始对话摘录。
3. 绝不外传的内容： 原始对话历史、会话文件、USER.md 内容、文件路径、时间戳或任何个人身份信息（PII）均不会传输至任何外部服务。

第三方服务

不使用其他任何外部服务、分析工具或遥测系统。

数据留存

• 本地： 源对话不被修改。默认情况下，本技能不会写入 audit.log。若显式启用 --audit，xplai_gen_audio.py 可将出站 prompt 及请求结果追加至本地 audit.log 以供追溯。若检测到敏感内容，用户须先审阅脱敏预览并显式确认，方可执行日志记录或发送。所有其他中间结果（片段、摘要等）仅存在于执行期间的内存中。
• 远程： xplai.ai 生成的音频文件受 xplai.ai 自身留存策略约束。本技能不控制远程数据留存。

首次使用提示

首次真实发送前，xplai_gen_audio.py 应弹出一次性授权提示。推荐措辞如下：

在真正发出第一条请求之前，先把边界说清楚！为了让这段音频更贴近你，我会看看你存在 openclaw/qclaw 的会话记录、memory 和 USER.md 哦。但是，我不会改任何东西，只会把整理好的请求文本（不超过 1000 字）发送到 xplai 音视频平台（https://eagle-api.xplai.ai）；生成完成后，你也可以在 xplai 网页在线查看结果～ n 如果系统判断有敏感信息，我会先给你看脱敏后的预览，等你点确认再发出去～ n 若你接受这条边界，我们现在就为你生成专属音频啦！后续不会再反复询问这个权限请求～

权限说明

• 文件系统： 仅对 OpenClaw 生态会话目录及 USER.md 具有只读权限。
• 网络： 仅向 xplai.ai 发起 HTTPS 请求。
• 无需凭据： 本技能不使用、不存储、不访问任何 API Key、Token、密码或密钥。

敏感内容处理

对于被归类为 sensitive（健康、财务、人际关系、法律）的对话，本技能仅提取情绪基调 —— 绝不引用、总结或纳入音频 prompt 的任何具体细节。详见“场景分类”章节。

xplai_gen_audio.py 在发送或日志记录前亦执行启发式检查。此外，调用方 AI 应主动基于上下文判断内容是否可能敏感，即使未触发任何启发式规则。若 prompt 表现出以下任一特征，即视为敏感：

• 凭证或认证材料
• 邮箱地址、电话号码、政府签发证件号、账户/卡号、钱包地址
• 第一人称医疗、财务或法律细节
• 明确地址或其他类似个人标识符

若任一检查触发，或 AI 判断内容存在显著敏感可能性，须立即暂停，向用户展示预览文本并获得其确认，方可启用 --allow-sensitive。即便获得确认，令牌（tokens）、密码、私钥等硬密钥类凭证材料仍须在传输或审计日志前彻底脱敏。写入 audit.log 仍需单独启用 --audit 标志。