微风猜重量

一个朴素的痛点：我们对重量的直觉有多靠谱

人对重量的判断大多来自视觉经验：看到一只苹果，你大概能估出接近两百克；但换成缺乏参照的物品——一枚螺丝、一片唱片、一节电池——「大概多少克」的范围瞬间变得模糊。在 Agent 场景里，模型对物品属性的理解停留在文本层面，并没有「拿起来掂一掂」这一环。于是需要一个不依赖传感器、也不需要查外部数据库的轻量互动方式，来让用户快速估重，同时顺带展示 Agent 如何组织物品描述。

微风猜重量的工作机制

微风猜重量 正是定位于此的技能。它不调用任何外部 API，也不内置重量数据库，核心逻辑只有三步：

• Agent 描述物品：从上下文中取出一件物品，用自然语言描述外观、材质与常见用途，刻意回避重量信息；
• 用户提交猜测：用户根据描述给出一个数字（单位：克）；
• 返回差值：以 🎯 {物品描述}，你猜{N}克 的格式输出猜测与实际值的差距。

触发词是 微风猜重量，说出口即开始一轮；说 给答案 则直接结束并公布答案。整个过程没有状态持久化，单轮交互自包含。

适用边界与注意点

这个技能本质是一个依赖 LLM 内置知识的游戏，几个边界值得先讲清楚：

• 物品范围有限：重量数值来自训练语料中的常见物品描述，稀有或定制物品的估算可能失准；
• 差值仅为近似：返回的克数是统计意义上的估计，不是实测值，不适合有真实精度要求的场合；
• 单位固定为克：输出格式未预留单位切换，需要磅或千克的场景只能自行换算。

如果需求是严肃称重或工程计算，应改用传感器数据或权威数据库；如果是教学互动、休闲游戏或 Agent 对话能力的展示，微风猜重量 提供了一条足够简单的实现路径。