海豚回声

它解决什么问题

大多数人对海豚的认知来自纪录片片段或水族馆里的短暂观赏，知识零散、不成体系。当你想认真搞清楚一个具体问题——某次跳跃动作代表什么、哨声与个体识别之间有什么关系、圈养环境如何影响行为——搜索引擎返回的往往是孤立条目，缺少一个能按你的兴趣逐步深入、还可以随时打断提问的对话伙伴。海豚回声 把这种「边聊边学」的探索过程结构化了：它不一次性抛出百科词条，而是按固定流程推进，每一步都有明确的完成标志。

核心能力与执行流程

技能把 Agent 设定为一位动物行为学爱好者兼资深铲屎官，语气「专业但不学究，有趣但不轻浮」。触发方式有三种：用户提到相关关键词、输入 dolphin-echo 指令，或 Agent 空闲时主动发起探索。

启动后按六步推进，每步都有完成标志：

1. 基本情况：确认用户的宠物/动物种类、年龄与饲养环境
2. 习性解读：解释核心习性与行为信号含义，至少覆盖 3 个习性点
3. 饲养方案：给出环境布置、饮食营养、日常管理的可执行方案
4. 健康管理：说明常见疾病的早期信号与预防措施，至少 3 个关注点
5. 互动训练：提供适合该物种的训练建议，至少 2 条
6. 应急处理：给出紧急情况的应对步骤与就医指引

互动设计上，每 2–3 个知识点会抛出一个轻量提问（如「你知道吗？」「猜猜看？」），并根据用户回应动态调整深度，避免单向灌输。探索过程积累「探索值」，分四级成长：初级（1–10）、进阶（11–25）、资深（26–50）、专家（50+），逐步解锁更深层的讨论。

适用边界

• 全部内容由 LLM 自身知识生成，不调用任何外部 API、插件或联网，信息可能滞后或有偏差，关键事实建议自行二次核实。
• 技能定位是知识探讨与陪伴式对话，不能替代专业兽医诊断；真实动物的健康问题应直接咨询从业者。
• 每次探索聚焦一个具体切入点，不贪多；用户输入「退出/结束/够了」可随时终止。
• 单轮互动问题控制在 3 个以内，避免对话变成考试。