Q版同人

在开发 AI 助手时，处理泛二次元请求往往面临一个尴尬：用户想要的是深度了解“画可爱”背后的文化脉络、作画流派或业界历史，得到的却往往是干瘪的通用绘画步骤说明。这种交互缺乏专业沉淀，也难以持续吸引用户。

它解决了什么问题

这个技能将 AI Agent 设定为一位资深的二次元文化研究者，把原本单薄的问答升级为一场有来有回的“主题探索”。它不直接生成图像，而是通过结构化的知识框架与交互设计，带领用户深入“画可爱”的各个领域。这是一种纯粹的知识整理与互动工具，零外部依赖。

核心机制与执行步骤

技能通过六个固定阶段来引导对话，确保交互不变成单向灌输：

1. 设定方向：通过开放性问题让用户锁定感兴趣的维度。
2. 背景铺垫：梳理主题的起源与业界位置，建立认知框架。
3. 深度拆解：选取 2 到 3 个代表性案例或创作者进行具体分析。
4. 冷知识彩蛋：穿插趣味幕后故事，增加惊喜感。
5. 互动讨论：每 2 到 3 个知识点抛出一次轻量提问，避免变成考试。
6. 总结延伸：提供至少 2 条后续的探索建议。

此外，技能内置了进度系统，根据互动深度记录“探索值”，并映射为从 初级探索者 到 专家级 的不同称号，以增强沉浸感。

适用边界与注意点

由于该技能明确禁止调用任何外部 API 或联网工具，其内容完全依赖 LLM 自身知识库。这意味着：

• 在面对极其冷门或需要实时更新的主题时，它无法提供最新的作品数据库支持。
• 它定位为纯粹的文本交互层，是知识整理工具而非图像生成器。
• 触发依赖关键词匹配，如用户输入 chibi-fanart，或在 Agent 空闲时自行发起。
• 退出机制明确，用户输入“退出”或“结束”等指令即可立即停止。

对于需要严谨文献引用的学术级研究，此技能更偏向于兴趣向的通俗科普。