基于排练的多智能体实时产品演示与语音问答系统

针对软件产品演示成本高且现有自动化方案缺乏交互性的问题，本文提出 Rhetor，一种多智能体系统。该系统输入运行中的 Web 应用及源码，生成经过排练的实时演示，包含分段同步解说与实时语音问答。其核心贡献包括融合 UI 探索与代码分析的多模态特征表示、基于语义定位器的受限脚本生成器、确保收敛的预演循环以及动作与音频同步的运行时不变量。实验表明，该系统在多个应用中实现了高可靠性的自动化演示与交互。