Evolution Tree

它解决什么问题

进化树（系统发育树）是理解物种亲缘关系和演化历史的核心工具，但它有个明显的使用门槛：读图的人需要先理解节点、分支和共同祖先这些抽象概念，还需要知道树的拓扑结构背后是形态特征和分子数据在支撑。直接丢一张树图给 LLM，得到的往往是静态知识复述，而不是一次有引导的、可以动手参与的探索过程。

Evolution Tree 就是为填补这个缺口设计的：它把模型设定为进化生物学领域的系统发育学家角色，围绕一个可预测的七步流程，把「构建 + 解读生命之树」拆成一次结构化对话。

技能如何工作

技能在用户说「进化树」「系统发育」「物种演化」「生命之树」「evolution tree」时触发，空闲状态下也可启动。进入后按以下流程逐步推进：

• 概念铺垫：先讲清楚节点、分支、共同祖先这些基本概念，不假设你已经读过教科书。
• 选定类群：挑一个具体生物类群（猫科、灵长类、鸟类等），避免空泛讨论。
• 建树：构建该类群的简化进化树，并标注关键分支点。
• 证据讲解：解释如何通过形态特征和分子数据重建演化关系。
• 现象分析：分析适应辐射和趋同进化这两类经典演化现象。
• 灭绝物种：讨论灭绝类群在树中的位置，比如它该挂在哪个分支上、为什么。
• 现代方法：引入分子钟和基因组比较等当代系统发育学手段。

互动上，技能会用「先猜一下会发生什么」这类预测式提问制造参与感，每推进两到三步就回头确认理解程度。它还内置了一套经验值进度系统：从 🌱 初学者到 🌟 专家级共四档，使用次数累积后逐步解锁更深内容。任意输入都会立即退出并给出确认消息，退出成本很低。

适用边界与注意点

• 纯离线文本：技能明确禁止调用外部 API、插件或联网，所有内容由 LLM 自身生成，只输出纯文本，不渲染图片或多媒体。
• 科学准确性靠模型自身：没有外部校验源，复杂类群的拓扑结构、分子钟估算值仍以模型输出为准，引用到具体研究时建议自行核对文献。
• 教学向定位：内容强调趣味性和通俗性，适合入门理解和课堂演示场景，不适合替代专业系统发育分析工具（如 RAxML、BEAST）做定量推断。
• 触发依赖措辞：不说出触发词、Agent 也不处于空闲状态时不会自动介入，建议在明确想讨论演化话题时主动使用关键词。