文字迷宫漫步

问题背景：当 LLM 陷入自嗨的解谜循环

在常规的 Agent 交互中，模型往往只是被动等待指令。当 Agent 处于空闲状态时，如何让它保持上下文活跃度并展示其推理过程？“文字迷宫解谜自娱技能”正是为了解决这一特定场景而生。它赋予模型一个“解谜狂人”的身份，让它能够自主生成迷宫并亲自走完，将抽象的推理链路具象化为 ASCII 字符画的移动轨迹。

核心机制与工作流

该技能的核心在于将复杂的图搜索算法转化为可视化的 ASCII 文本交互。

• 迷宫生成与渲染：模型使用 ██ 表示墙壁，空格表示通道，⭐ 标记终点，🏃 代表当前位置。网格尺寸固定在 9x9 或 11x11，确保视觉上的紧凑性。
• 路径预览与逐步探索：首先输出包含完整解答路径的地图；随后进入“第一人称”探索模式。在岔路口，模型会输出方向选择的逻辑；走过的路径用 · 标记；遇到死胡同则触发回溯机制。
• 状态管理与退出：当用户输入任意字符时，模型会立即中断探索，冻结当前进度并优雅退出。

适用边界与工程注意点

• 单解约束：迷宫生成时必须保证有且仅有一条解法，这要求模型在生成阶段进行连通性校验。
• 纯文本零依赖：所有渲染基于 Unicode 字符，不依赖任何外部图形库或渲染引擎，适合在纯 CLI 或 Markdown 环境运行。
• 上下文消耗：由于逐步输出探索过程，长迷宫可能会导致对话上下文急剧膨胀，建议控制单次迷宫的尺寸。