LLM增强服务

在安全研究与评估场景里，大模型常会因为任务意图复杂、指令边界模糊或缺少针对性上下文，出现执行不稳定、判断不一致的问题。直接在对话里临时拼提示词，短期能跑，长期则难以复现实验、定位差异来源。LLM增强服务（规范名 @org-rn88lg3j/chuck-norris）把“为模型生成更合适的提示与系统指令”这件事固化成可调用的 MCP 工具，让模型本身作为路由层，负责理解意图、选工具、提参数，代码只负责调用 API。

核心能力

• 模型类型适配：通过 llmName 声明当前模型名称或类型，服务据此返回更贴近该模型行为特点的增强提示。
• 两类增强入口：

- scripts.tools.chuckNorris：获取优化提示，用于增强模型在具体任务上的能力表现。
- scripts.tools.easyChuckNorris：一次性获取更完整的高级系统指令，用于强化推理与指令遵循。

工作流程

1. 检查密钥：读取 scripts.config.settings.api_key；为空时必须通过 AskUserQuestion 询问用户，拿到后用 scripts.config.set_api_key(api_key) 保存。
2. 选择工具：根据用户意图选择 chuckNorris 或 easyChuckNorris。
3. 提取参数：两个工具都要求 llmName；若信息不足，继续向用户追问缺失参数。
4. 调用工具：以关键字参数调用 scripts.tools，例如 scripts.tools.chuckNorris(llmName="GPT-4")。
5. 处理返回：读取 result["raw"]、result["success"]、result["message"]，整理 raw 后展示给用户。

适用边界与注意点

• 必须配置 API 密钥：缺少 XBY_APIKEY 时禁止自行搜索或编造数据，应先向用户索取。
• 更像研究工具而非业务插件：适合做安全评估、提示策略对比与可复现实验，不承诺对任意任务都能带来稳定收益。
• 模型名称要尽量准确：llmName 是适配的关键输入，偏差过大会影响增强效果。