Demo Precacher

AI演示的黄金法则：在演示过程中绝不依赖实时API调用。 这项技能提供了一种系统化方法，让你在正式上线前预生成并验证所有演示内容。

为何存在

在一次48小时的黑客马拉松中，我们制作了18个故事，涵盖10种语言，并配有音频旁白、音效和背景音乐。演示期间，Mistral API出现了3秒的延迟峰值。由于所有内容都已预缓存，演示从缓存中完美播放，而观众以为内容是在实时生成的。

模式

python
async def precache_demo():
scenarios = [
{name: Sophie, language: fr, prompt: 关于云鲸的故事...},
{name: Kai, language: ja, prompt: 关于竹林的故事...},
]

for s in scenarios:
# 步骤1：生成内容（调用真实API）
story = await generate_story(s[prompt], s[name], s[language])

# 步骤2：缓存结果
await cache.set(s, story)

# 步骤3：生成所有衍生内容（音频、图片）
for scene in story[scenes]:
audio = await generatetts(scene[text], voiceid)
await cache.set(faudio_{scene[id]}, audio)

# 步骤4：验证播放
cached = await cache.get(s)
assert cached is not None, f缓存未命中：{s[name]}

# 步骤5：报告覆盖率
print(f已缓存 {len(scenarios)} 个场景，全部验证通过 ✅)

检查清单

在任何现场演示前，请验证：

• - [ ] 所有主要场景已缓存并验证
• [ ] 音频文件可播放（格式正确，无损坏）
• [ ] 缓存未命中时有备用内容可用
• [ ] 演示账号凭据正常工作
• [ ] 缓存播放无需网络
• [ ] 缓存TTL在演示期间不会过期

文件

• - scripts/precache_demo.py — 包含验证和覆盖率报告的示例预缓存器