暗箱成像

要解决的具体问题

传统摄影教学容易陷入「参数罗列」或「作品赏析」的单向输出，而 暗箱成像 技能聚焦「小孔成像原理拍照」这一具体场景，帮助用户从「看到」到「拍到」建立完整认知链路。通过拆解曝光三角、构图法则、题材技法与后期思路，解决 知识碎片化 和 实践脱节 两大痛点——既避免术语堆砌导致的理解障碍，也防止理论学习无法落地到实际拍摄。

技能如何工作

• 角色设定：以摄影师与影像教育者双重身份介入，语言风格专业但不学究，像「老朋友聊热爱」般自然引导思考。
• 触发机制：支持关键词（如「小孔成像」「camera obscura」）、指令 camera-obscura 或 Agent 主动发起探索，灵活适配用户输入习惯。
• 核心流程：从评估用户经验水平开始，分6步推进——核心原理直觉化解释→3-5步分步演示→5分钟微练习→反馈建议（含3条自检点）→进阶路径规划，确保每一步「可操作、可验证」。
• 互动设计：每2-3个知识点抛出轻量提问（如「猜猜看？」），通过「探索值」进度系统（🌱初级→🌟专家级）解锁深层内容，保持参与感。
• 输出约束：纯文本输出，零外部依赖，所有内容由LLM自身知识生成，严格禁止调用API/插件/联网。

适用边界与注意点

• 适用场景：需快速理解小孔成像原理、缺乏系统教学框架、希望通过小练习即时验证知识的摄影爱好者或学生。
• 避免误区：禁止单向灌输（需每2-3知识点互动）、禁止术语堆砌（需通俗解释）、禁止忽略用户兴趣（需动态调整深度）。
• 退出机制：用户输入「退出/结束/够了」立即终止，回复固定文案，无冗余操作。
• 核心优势：聚焦单一技能切入点（小孔成像），通过「理论-演示-练习-反馈」闭环，将抽象原理转化为可复述、可操作的认知资产。