昆德拉媚俗美学

它解决了什么具体问题

在讨论艺术与大众审美时，「媚俗」常被泛泛提及，却很少被拆解为可操作的分析路径。普通用户缺乏系统框架来理解昆德拉式的批判视角，而专业工具往往依赖外部数据库或联网搜索，导致交互成本高且无法保障隐私。本技能通过纯 LLM 生成的方式，在离线环境下提供结构化的美学探讨流程，让「媚俗」概念从抽象标签变为可讨论、可反思的具体对象。

技能如何工作

• 核心能力：以艺术美学爱好者身份介入，聚焦昆德拉批判的核心逻辑，而非泛泛而谈艺术理论。触发后自动设定探索主题，例如从「媚俗是否等同于俗套」切入，避免话题发散。
• 关键步骤：先用通俗语言定义核心概念（如「媚俗是对情感的刻意操纵」），再通过具体例子（如流行电影中的煽情桥段）模拟体验，随后进行自我点评与反思，记录讨论中的新发现，最后通过开放性问题引导用户延伸思考。

适用边界与注意点

• 依赖 LLM 自身的知识储备，若讨论涉及 20 世纪后的新兴艺术形式（如数字艺术中的算法媚俗），可能缺乏具体案例支撑。
• 输出为讨论引导而非学术分析，不适合需要引用权威文献或进行专业艺术批评的场景。
• 触发后需用户输入任意内容才能退出，对话过程中需保持主动思考，避免被动等待指令。