我构建了一个实时反驳你创业路演的 AI

I’m happy to translate the article for you, but I need the full text of the post in order to do so. Could you please paste the article’s content here (excluding the source line you already provided)? Once I have the text, I’ll translate it into Simplified Chinese while preserving the original formatting, markdown, and technical terms.

PitchFire概述

每位创始人都经历过这种情况。你反复演练你的路演，直到它听起来无懈可击，走进会议室后，投资人抛出一个问题让一切瞬间崩塌——并不是因为想法不好，而是因为你从未有人来反驳。

这正是我为 Gemini Live Agent Challenge 2026 构建的项目：PitchFire，一个实时 AI 路演“钢铁人”代理，它会挑战你提出的每一个薄弱论点，验证每一个强有力的论点，并仅根据你成功捍卫的论据生成一套经受考验的路演幻灯片。

• 现场演示：
• 源代码：

工作原理

1. 开始讲话 – 轻点球体并开始你的推介。
2. 语音活动检测 – PitchFire 监听停顿。当你停止讲话时，它会捕获该段音频，发送至 Gemini 2.5 Flash，并在 2–3 秒内返回一张挑战卡。

示例卡片

• 弱声明 – “我们的 TAM 为 500 亿美元。”

  • 红色挑战卡: “500 亿美元的 TAM 来自哪个来源？哪一年？在 24 个月内你 realistically 能捕获多少百分比？没有 SAM/SOM 的 TAM 只是戏剧化。”
  • 你的信念分数会下降。

• 强声明 – “我们有 3 个付费试点，每月 5 千美元。”

  • 绿色验证卡: 分数上升。

3. 结束推介 – 点击 END，Gemini 会生成仅包含通过验证的声明的推介稿。

模式

• 中断模式 – 在检测到不一致或你沉默时中断。
• 完整推介模式 – 等待 3 秒的沉默，然后在整个推介结束后提供完整的解析。

每张卡提供三种操作：

• 阅读 – 查看完整挑战。
• ▶ 听 – 听取朗读内容。
• ↩ 回应 – 输入直接的辩护，该信息会通过 Gemini 发送回去，以保持对该特定声明的对话锚点。

技术栈

音频管道是系统的核心。

// Browser audio capture (simplified)
const audioContext = new (window.AudioContext || window.webkitAudioContext)();
const processor = audioContext.createScriptProcessor(4096, 1, 1);
processor.onaudioprocess = (e) => {
  const input = e.inputBuffer.getChannelData(0);
  const rms = Math.sqrt(
    input.reduce((sum, sample) => sum + sample * sample, 0) / input.length
  );
  // Detect voice activity based on RMS threshold
  // Accumulate chunks while voice is present
  // When silence exceeds threshold, concatenate chunks,
  // prepend 44‑byte WAV header, base64‑encode, and POST to Gemini
};
navigator.mediaDevices.getUserMedia({ audio: true })
  .then(stream => {
    const source = audioContext.createMediaStreamSource(stream);
    source.connect(processor);
    processor.connect(audioContext.destination);
  });

• 捕获 – 通过 ScriptProcessorNode 以 16 kHz 的原始 PCM16。
• VAD – 每个缓冲区的 RMS 音量用于判断语音活动。
• 打包 – 将块拼接，添加 44‑字节的 WAV 头部，进行 Base64 编码，并发送到 Gemini 的多模态 REST 接口。

Gemini 所实现的可能性

整个产品依赖于一个精心设计的 Gemini 提示。模型：

• 转录 音频。
• 分析 每个声明，一次调用完成。
• 分类 声明为弱或强。
• 生成 投资者风格的挑战或验证，引用反证据，对声明打分，并在六个推介维度上进行分类。

如果没有 Gemini 同时处理多模态输入和结构化推理的能力，这个产品根本不存在。Gemini 2.5 Flash API 将构建时间从数月缩短到几天。

接下来

• 投资者角色模式 – VC、天使、战略。
• 团队练习模式 – 多位创始人可以一起练习。
• 集成 – 与流行的 pitch‑deck 工具连接。

为 Gemini Live Agent Challenge 2026 单独构建。