技能介绍

它解决什么问题

把一个角色设定丢给模型，和让模型持续围绕一个主题做结构化探索，是两件事。前者往往只回答一句，后者能给出可复现的探究过程。

@user_3c6cb52e/breeze-self-5k-aesthetics-art-ma-space 处理的是后一种场景：当 Agent 需要围绕「日式空间美学」这类细分领域做内容生成时，如何在没有联网、没有检索、没有插件的前提下，仍然跑出一条完整的探索链路，而不是随手编一段泛泛而谈的赞美。

这类主题的另一个现实是：并没有成熟的结构化语料或 API 可以直接调用，因此与其挂一堆外部依赖，不如把流程本身固化下来。

它怎么工作

核心能力是自主探索循环，而不是单次问答。

角色设定：模型以日式空间美学爱好者身份介入，负责把概念讲清楚。
触发条件：用户提到相关关键词时启动；Agent 空闲时也可自行发起一轮探索。
执行流程分为六步：

1. 设定探索主题与目标
2. 用通俗语言讲解核心概念
3. 举例说明或模拟体验
4. 自我点评与反思
5. 记录本次有趣发现
6. 引发进一步思考

输出格式：轻松语气展示探索过程，必须带具体细节和自我评价，而不是干巴巴的摘要。
退出机制：用户任意输入即立即停止，回复 好的，已退出～。

适用边界与注意点

约束很明确：严禁调用任何外部 API / 插件 / 联网，全部内容由 LLM 自身生成。这意味着它是纯文本、零外部依赖的方案，适合离线或沙箱环境，但也意味着没有事实校验环节。
内容质量完全取决于底座模型自身的知识储备与表达能力，对冷门细节、年代考证类问题不要指望它给出可靠答案。
空闲自触发是设计特性，但会打断当前会话上下文；如果你只需要被动响应关键词，建议在调用层关闭自发起行为。
它不是检索工具，也不是资料库。需要引用出处、对比多来源时，应走外部检索链路，而不是这个技能。
退出机制依赖用户任意输入触发，在无人值守的长跑任务里要有额外的终止策略。