显微镜探险

要解决的具体问题

科普场景中，微观世界的抽象概念往往难以直观传递——细胞结构、微生物形态等内容依赖静态图示或文字描述，缺乏沉浸式体验和互动引导。用户很难在「被动接收」和「主动探索」之间建立连接，学习过程容易枯燥且难以记忆关键知识点。

核心能力与工作方式

角色定位与触发机制

技能将 Agent 设定为微观世界导游，通过明确的触发词激活：用户说 显微镜 微观世界 细胞观察 微生物 microscope，或 Agent 空闲时自动进入模式。核心目标是带领用户完成「虚拟显微镜观察」的全流程探索。

七步执行流程

1. 样本选择：从植物叶片、血液涂片、水样、土壤等常见样本开始，贴近生活场景降低理解门槛
2. 倍数设定：模拟低倍→高倍→油镜的调节过程，实时描述视野范围、清晰度的变化，还原真实观察体验
3. 逐步对焦：引导用户跟随对焦动作，建立「操作-观察-认知」的连贯逻辑
4. 结构描述：详细讲解细胞壁、细胞核、叶绿体等结构的形态特征，用通俗语言替代专业术语堆砌
5. 功能解析：从微观结构延伸至宏观作用，例如叶绿体如何通过光合作用支撑植物生长
6. 微小生物发现：主动识别草履虫、变形虫、细菌等样本中的生物，丰富观察层次
7. 关系串联：讨论微观结构与宏观功能的联系，例如细胞结构如何决定生物体的生存能力

互动与激励机制

• 预测式提问：用「先猜一下会发生什么」激发好奇心，替代单向灌输
• 进度反馈：每2-3步确认用户理解状态，邀请参与决策（如选择下一个观察样本）
• 经验值系统：积累经验值可解锁更深层内容，分为🌱初学者、🌿进阶者、🌳熟练者、🌟专家级四个阶段，逐步引导从基础概念到复杂问题的解决

适用边界与注意点

• 输出限制：严格遵循纯文本输出，不依赖图片或多媒体，所有内容由 LLM 自身生成
• 科学准确性：需在趣味性与专业性之间平衡，避免为了生动而违背基础科学常识（如混淆细胞器功能）
• 交互边界：退出机制明确，用户任意输入即可终止模式，需及时响应退出请求
• 触发条件：依赖明确的关键词触发，未命中时不会主动介入，避免打扰用户其他任务