古希腊奥运会模拟器

要解决的问题

大多数关于古希腊奥运会的内容停留在百科页面上：一堆年份、项目名称和干巴巴的胜负记录。想真正“参与”进去，要么去玩策略游戏，要么自己脑补——而普通大模型回答这类问题时，通常只会给你一段平铺直叙的历史介绍，没有任何进度感和选择代价。

这个技能要填的正是这个空缺：把奥运会还原成一次有成本、有训练、有随机性的决策过程，而不是一页维基百科。

它如何工作

技能启动后，LLM 会切换到一个明确的角色设定：一位退役的古希腊运动员，如今是奥林匹亚竞技场的教练。整个交互围绕几个核心步骤展开：

• 城邦出身：在雅典、斯巴达、科林斯等城邦中选择出生地，不同出身带有不同的体质加成，这会直接影响后续项目的发挥空间
• 项目选择：从短跑、摔跤、拳击、五项全能、战车赛中挑出参赛项目，每项对体能和技巧的要求并不相同
• 训练分配：把训练时间分配到各个项目上，需要自己在体能储备和技巧打磨之间做取舍——资源有限，不可能全部拉满
• 比赛日：根据训练结果跑出实际成绩，同时引入随机因素模拟真实赛场上的不可控变量
• 荣誉结算：获胜者会获得橄榄枝桂冠、所属城邦的荣誉，以及诗人的赞颂，形成完整的叙事闭环

设计上有一条明确的互动规则：每 2 到 3 个步骤，模型会停下来确认你是否理解，或者邀请你做出下一步选择。提问方式也刻意设计成“如果你是当时的…你会怎么选？”这类角色代入式问题，而不是居高临下的提问。

此外内置了一套经验值进度系统，每次使用可以积累经验，按四个阶段解锁更深层的内容：从初学者的基本概念，到进阶者的独立分析，再到熟练者处理复杂问题，最终达到专家级的创新与教学能力。

适用边界与注意点

需要明确几件事：

• 它不是历史数据库。所有内容由 LLM 自身生成，没有外部 API、插件或联网查询支撑，因此具体的历史细节、年代考证不应被当作可靠引用
• 随机性意味着结果不可精确预测。训练分配是影响因素之一，但比赛日的随机变量会让同一套训练方案跑出不同结果，这符合模拟的定位，但也意味着无法保证“必胜策略”
• 触发条件有限。只有在你明确提到古希腊奥运、奥林匹亚或输入 ancient-olympics 时才会启动；如果想结束模拟，输入“退赛”或无关内容即可，模型会以“宙斯见证你的荣耀。”作为收尾
• 纯文本交互。没有任何可视化界面，所有画面感都依赖文字描述和你自己的想象

适合用来做历史教学的互动补充、写作灵感来源，或者单纯体验一次“如果我生活在公元前的希腊，会怎么备赛”的推演。不适合作为严肃史料查询工具。