AI生成幽默文本已不稀奇，但要让段子变得好笑又好演，却是一大难题。现有模型常产出平淡、说教的内容。北大的OpenMic系统另辟蹊径，采用多智能体协同工作，将一个生活话题直接转化为具备舞台表演性的完整脱口秀脚本，甚至能生成最终表演视频，从根源上解决了AI幽默生成中的结构塌陷与表演缺失问题。
智能速览
多智能体分工协作，模拟人类脱口秀创作流程。
将幽默建模为多步推理，强调“包袱”的时机。
采用分层RAG机制，精准提炼幽默素材。
通过专用微调，注入脱口秀独有的节奏与风格。
具备自我改进机制，定向提升脚本质量。
实现端到端生成，从文本直达完整表演视频。
精华内容
OpenMic的核心在于将复杂的脱口秀创作过程，拆解给多个专业的AI智能体共同完成，每个角色各司其职，从而保证了最终成品的结构性与表演感。
分工式创作
系统将脱口秀生成拆解为五个专业的智能体角色：受众分析、结构规划、段子写作、表演指导和质量评估。这种分工模式避免了单个AI模型同时承担内容规划、写作与审美判断，有效防止了内容结构混乱或风格不统一的问题，确保每个环节都由“专才”处理，最终产出高度结构化的脚本。
幽默的推理链
OpenMic将幽默的产生机制明确建模为“多步推理+信息释放”的过程。它强调一个完整的笑点包含setup（铺垫）、bridge（桥接）和punchline（包袱）三个环节。系统区分了backdoor（倒叙）和frontdoor（顺叙）两类推理结构，并认识到“什么时候说”与“说什么”同样重要，从而精准控制笑点的呈现节奏。
素材与记忆管理
为了获取高质量的幽默素材，系统采用分层RAG机制，并非直接检索现有段子，而是通过“检索素材→LLM评分→LLM精炼”三步内对话，将原始信息蒸馏为可复用的写作组件。同时，通过Blackboard（黑板）存储受众画像、结构大纲等关键信息，并用Secret Blackboard隔离大规模检索结果，防止上下文污染，保证创作过程的纯净。
定向训练与迭代
团队对通用大模型进行了专用微调，通过QLoRA技术注入“铺垫-包袱延迟、callback（前后呼应）、口语化舞台风格”等脱口秀专属能力。训练时采用completion-only loss，避免模型学会“解释笑话”。此外，质量评估智能体能精确诊断失败原因，触发定向的重检索或重写，形成高效的自我改进闭环。
端到端生成
OpenMic的最终成果不仅是文本脚本。系统通过一种结构化的DSL（领域特定语言）来标注表演细节，如停顿时长、重音位置、掌声提示和语速变化。这些标注可以直接驱动TTS（语音合成）和数字人系统，自动生成节奏自然、语气生动的脱口秀表演视频，彻底摆脱了AI朗读常见的“机器人味”。
OpenMic项目不仅是技术上的创新，更是对AI创意生成边界的探索。它证明通过精巧的系统设计，AI能够掌握幽默、节奏与表演这类复杂的人类技能。未来，这样的多智能体框架或许能应用于更多元的创意领域，我们或许可以期待，下一个能让人捧腹大笑的AI创作者，就在不远处。
