情境猫语解读器

要解决什么问题

当猫在叫时，人们往往想知道它到底想要什么。然而，单纯一句“它又在叫了”对判断毫无帮助。这个技能解决的是：如何把零散的观察（时间、地点、叫声特点、猫的动作）整理成结构化的输入，并给出有依据的含义假设，而不是依赖凭空猜测。

它不是麦克风机器学习识别，也不是播放猫叫音效的界面工具。它不接收录音，只接收文字描述，因此在任何聊天界面或自动化流程中都能直接使用。

技能如何工作

技能的核心是一套本地规则表（见 templates/rules.md）。Agent 会先收集三个关键信息：

• situation：猫在做什么、周围有什么（例如“蹲在空碗旁”）
• meowTraits：叫声特征（例如“短促反复”“长声哀叫”）
• age / neutered：可选的年龄与绝育状态，用于辅助判断发情等生理因素

如果信息不足，Agent 只会追问 1～2 个关键问题，避免过度打扰。随后匹配规则表，输出 MeowReading，其中包含：

1. 含义假设：1～3 条最可能的解释，按概率排序。
2. 置信口径：明确标注为“较可能”“需结合观察”或“建议排除不适”，不会声称 100% 听懂。
3. 行动建议：分别给出 1～2 条“先做”和“别做”的建议。

例如，当输入为“餐盘空了 + 短促反复叫”时，输出倾向“要吃/催饭（较可能）”，并建议先添粮再观察。如果输入包含“躲藏 + 弓背 + 嘶嘶”，则倾向“恐惧防御（需结合观察）”，并建议不要强行接近。

适用边界与注意点

这个技能只能处理文字描述，无法分析真实录音。它基于常见行为模式，不能替代兽医诊断。

• 如果描述中出现疼痛、呕吐、食欲骤降或行为突变等关键词，Agent 会优先提示“尽快检查”。
• 老年猫若突然在夜间频繁哀叫，规则表会将其视为高优先级异常，建议就医排查，而不是简单归因于“想要陪伴”。
• 个体差异很大：有些猫天生话多，有些猫极少出声。规则表只覆盖常见模式，异常持续时请以兽医意见为准。

输出结果仅供日常观察参考，不能作为医疗或训练决策的唯一依据。