意面形状学

它解决什么问题

很多人把意面做失败，不是因为配方背错，而是面型和酱汁的物理结构没匹配上：细长面挂不住浓酱，粗管面吸不满清汤，填充面煮过头容易爆。这个技能把面型选择变成工程问题：先从酱汁附着性、表面积、厚度和凹槽出发做判断，而不是只按菜名直觉选面。

核心能力

技能面向几类明确输入：当用户提到 意面、pasta、面型，或者问某种面该配什么酱、如何自制新鲜意面时触发。它会先确认已有酱汁或目标场景，再按固定链路展开：面型设计原则、常见面型分类、酱汁配对、自制配方和煮面判断。

关键观察点包括：

• 表面积与酱汁浓度：清酱适合细长面，浓酱适合粗面或带凹槽面型
• 厚度与熟度：面越厚，中心达到 al dente 所需时间越长
• 凹槽与挂酱：凹槽、螺旋和羽毛边缘会增加酱汁截留面积
• 填充面与烤制面：馅料空间、烘烤淀粉结构会改变常规 long pasta 的判断规则

工作流程

1. 询问用户现有酱汁、质地和目标口感
2. 解释面型设计变量，并让用户把变量映射到自己的酱汁
3. 按 长面 / 短面 / 填充面 / 烤制面 四类给出建议
4. 对自制场景，用面粉类型、蛋量、揉面和静置等变量约束配方
5. 提供水量、盐量、搅拌和判断 al dente 的操作信号

适用边界

这个技能不联网，不调用外部 API 或插件，内容全部由 LLM 本体生成。因此它是一份合理的工程参考，而不是精确实验记录：不同面粉批次、室温和灶具都会影响吸水与熟化速度，需要用户本地校准。它也不维护真实库存或营养数据；如果用户需要批量成本估算或严格克数复现，应把输出当成参数建议，而不是正式配方来源。换句话说，它能帮你解释为什么 tagliatelle 更适合 bolognese，也能帮你推导家庭制面的变量，但不能替代你对面团手感、煮面水沸点和酱汁稠度的现场验证。最后，触发范围限定在意面、面型、酱汁配对和自制意面；如果问题跳到披萨面团、烘焙酵母或通用食品科学，就不该继续使用这套面型逻辑。