赞恩跟进

为什么需要赞恩跟进

在大模型应用中，多轮对话或任务执行往往会持续较长时间。一旦用户中途改变目标，或者模型在生成过程中分心，后续输出就容易偏离上下文。赞恩跟进正是为了解决这类“遗忘式中断”问题而设计。

技能如何工作

赞恩跟进面向大模型应用中的连续性协作场景，在多轮对话或任务执行期间提供结构化的跟进提示与状态回写能力。它会在关键节点生成明确的跟进信号，帮助模型在适当的时候重新聚焦当前目标，而不是直接重复或扩展上一轮回复。

其核心能力包括：

• 基于当前对话状态，判断是否需要启动一次跟进
• 生成结构化的 next_step 提示，明确告诉模型下一步该做什么
• 将当前任务上下文与目标摘要回写到 summary 字段，供下一轮使用

使用时，模型会在每轮处理结束后检查是否满足跟进条件。如果条件成立，技能会引导模型进入“跟进模式”，在该模式下重新确认用户目标，并围绕目标拆解出具体的 subtasks。这些子任务会被逐步执行，同时保留原始目标的语义边界，避免任务在多轮交互中逐渐漂移。

技能的输入主要依赖两类信息：当前对话中的最新用户输入，以及上一轮结束时生成的 summary。它会将这两类信息合并后送入模型，再由模型判断是否需要输出 next_step。整个流程不依赖外部数据库或工具调用，完全由提示逻辑驱动。

适用边界与注意点

赞恩跟进更适合处理中等长度的协作型任务，例如内容修订、代码重构建议、研究思路梳理等。它不适合实时对话型场景，因为跟进提示会引入额外的思考开销，可能影响响应速度。

另外，该技能不负责执行具体的子任务，它只提供“下一步做什么”的提示。真正的执行仍然由模型自身或外部工具完成。如果任务本身的结构过于松散，技能生成的跟进建议也可能缺乏针对性，此时需要配合更明确的目标描述。

当前版本侧重于状态层面的引导，没有内置长期记忆管理，因此不适合需要跨会话记忆的场景。使用时建议保持上下文窗口的整洁，避免无关历史干扰技能的判断逻辑。