# 演示 Prompt 速查（录制时直接复制粘贴）

> 录制时不要现想 prompt——已经为你准备好对应每段的「金本」。
> 直接从这份文档复制到 Claude Code 终端即可。

---

## 第三段：120B 本地跑起来（直接 Ollama 终端演示）

**演示场景**：终端一行命令启动 Ollama 客户端跑 gpt-oss 120B，进入交互对话模式发 prompt 让它吐字。

**启动命令**（直接演示给观众看）：
```bash
ollama run gpt-oss:120b
```

进入交互界面后输入下面任一 prompt：

**推荐 Prompt（任选一个）**：

```
帮我用一段话讲清楚，为什么 1200 亿参数的大模型过去只能在数据中心里跑，
现在反而能跑在一台笔记本上。
```

或更轻松一点：

```
我在录一期视频证明这台 AI PC 能跑 120B 大模型。
你现在在跑——给我写一段视频结尾的告白，对那些觉得本地 AI 是玩具的人说点话。
```

**为什么选这个 prompt**：
- 让模型自我介绍能力——天然的元层级演示
- 输出长度适中（30-60 秒吐字时间），刚好够拍特写
- 内容跟视频主题强相关，吐出来的字就算被字幕扫到也是顺的

**演示结束**：输入 `/bye` 退出 ollama 交互。

---

## 第四段：huashu-data-pro 数据分析（4:00-6:30）

**前置准备**：
1. Claude Code 终端已经接到本地 qwen3.6:35b-a3b（`ollama launch claude` 跑过）
2. 把演示数据 `sample_finance.xlsx` 放到当前工作目录
3. skill 已经在 `~/.claude/skills/huashu-data-pro/` 或当前项目 `.claude/skills/`

**主 Prompt（金本）**：

```
这是我们公司2026上半年的财务数据，三张表：薪资、订单、成本。
帮我分析一下，全程用本地模型跑，三份报告（网页+Excel+PPT）一次出齐。
文件：sample_finance.xlsx
```

**预期效果**：
- 终端打印 `[●]` 进度行
- 三个 subagent 并行跑（趋势/结构/异常专家）
- 8 分钟内端到端完成
- 三种格式同时出现：HTML 网页、Excel、PPT

**备用 Prompt（如果主 Prompt 跑得不顺）**：

```
分析一下 sample_finance.xlsx 这份财务数据，我要 HTML 报告。
全程本地跑，不要联网。
```

**兜底 Prompt（如果还出问题）**：

```
读 sample_finance.xlsx，告诉我这家公司 2026 上半年最大的三个财务异常。
```

---

## 第五段：huashu-doc-reviewer 公文批注（6:30-9:30 全片高潮）

**前置准备**：
1. 把演示数据 `sample_contract.docx` 放到当前工作目录
2. skill 已安装

**主 Prompt（金本）**：

```
帮我审一下这份合同。
sample_contract.docx
```

**预期效果**：
- 终端打印 `decisions injected` 进度
- 生成 `sample_contract.reviewed.docx`
- 打开 Word 看到右侧批注侧边栏一次铺满 40+ 条
- 正文里红色删除线 + 红色新字穿插

**进阶 Prompt（多视角对比，可选演示）**：

```
先用 contract 模式审一遍，再用 proposal 模式审一遍，
对比两种视角能看到什么不同。
```

**自定义 Prompt（如果合同太「干」想现场调整批注风格）**：

```
帮我审这份合同，重点看：
1. 付款条款有没有坑
2. 知识产权归属是否清晰
3. 违约责任是不是对等
全程本地模型跑。文件：sample_contract.docx
```

---

## 兜底救命方案（演示翻车时直接用）

如果本地模型挂了 / 显存爆了 / Skill 跑到一半卡住，**别慌**——演示数据包里有兜底文件：

### 兜底 1：`decisions_demo.json`（doc-reviewer 救命稻草）

把这个 JSON 直接喂给 inject 脚本，跳过 LLM 推理直接产出批注：

```bash
cd huashu-doc-reviewer/scripts
python inject_comments.py \
  --input sample_contract.docx \
  --decisions decisions_demo.json \
  --output sample_contract.reviewed.docx
```

录到 Word 打开瞬间观众分不出是不是 AI 实时生成的——但内部你知道这是预跑结果。这是会议里我们没明说但行业默认的演示策略：**关键画面用预录素材保底，运行过程用实时**。

### 兜底 2：`expected_output.docx`（直接展示成品）

如果连 inject 都跑不动，把 `expected_output.docx` 直接拖到 Word 里打开——这是预录的标准成品，可以拿来做特写镜头。**你的口播说「Word 打开所有痕迹一次到位」时，秀这个文档就行。**

---

## 录制时的 Prompt 念白技巧

不要直接念上面的 prompt——观众会觉得太"工具感"。改成花叔说话的方式：

| 原 Prompt（敲到终端的） | 念白版（你嘴里说的） |
|---|---|
| 「分析 sample_finance.xlsx，三份报告一次出齐」 | 「我让它分析这份财务数据，告诉它要网页、Excel、PPT 三种报告」 |
| 「帮我审一下这份合同。sample_contract.docx」 | 「我直接说『帮我审一下这份合同』，把文件拖给它就完事了」 |

**你敲键盘的时候**，观众看到屏幕上的 prompt；**你嘴里说出来的**，是给观众解释你刚刚在干什么。两者**不要重复**。

---

## 演示流程总览

| 段 | 时间 | 跑什么 | 数据文件 | 容错 |
|---|---|---|---|---|
| §3 | 2:00-4:00 | LM Studio 跑 120B 模型对话 | 无 | 直接提问 |
| §4 | 4:00-6:30 | huashu-data-pro 三专家分析 | `sample_finance.xlsx` | 主 Prompt 失败 → 备用 → 兜底 |
| §5 | 6:30-9:30 | huashu-doc-reviewer 合同审查 | `sample_contract.docx` | 跑挂 → `decisions_demo.json` 直接 inject |

录制前**所有 prompt 都跑一遍**，每个 prompt 至少跑通两次确认稳定性。