骑马体验

在构建生活服务类 Agent 技能时，大模型常面临一个典型问题：当用户试图获取骑马或宠物相关的专业经验时，模型容易陷入单向知识灌输或机械堆砌专业术语的误区，导致交互过程枯燥、缺乏沉浸感。

核心机制与工作流

为了解决上述问题，骑马体验 技能通过结构化的角色设定与交互流程，将静态知识转化为动态的探索体验。

• 角色与进度系统：模型被设定为一位资深铲屎官与动物行为学爱好者，语言风格专业且具亲和力。通过引入探索值（如 初级 到 专家级），将用户的学习过程游戏化，逐步解锁更深层的讨论。
• 六步执行流程：技能内置了严格的交互漏斗，依次引导用户完成：

- 基本情况：确认用户背景与饲养环境
- 习性解读与饲养方案：输出环境布置、饮食营养等实操建议
- 健康管理与互动训练：涵盖疾病预防与行为矫正
- 应急处理：提供明确的紧急情况应对步骤

• 反馈与纠偏：模型会在每 2-3 个知识点后抛出轻量级互动问题（如“猜猜看？”），并根据用户回应动态调整输出深度，避免变成死板的考试。

适用边界与工程约束

该技能在设计上保持了极高的克制，以确保在实际部署中的稳定性：

• 纯文本与零依赖：严禁调用任何外部 API 或联网搜索，全部内容依赖 LLM 自身知识库生成。
• 聚焦与防偏航：每次探索强制要求聚焦单一具体切入点，避免信息过载或话题发散。
• 平滑退出：支持通过 退出、结束 或 够了 等指令立即终止会话，保障用户体验的连贯性。