如何用 AI 发飞书加急消息
「飞书紧急消息」是「龙虾部署大师」技能市场中的消息加急触达技能：作用是对已发送的飞书消息触发应用内、短信或电话紧急提醒。输入 message_id、接收人 open_id 列表、提醒类型和付费确认后，它校验格式、权限和批量上限，自动分批发送，并返回无效接收人列表、错误码和处理建议。它区分免费的应用内提醒与可能收费的短信、电话提醒，并强制付费确认。 技能效果 想给已发出的群消息做应用内加急，它写出面向小白的操作教程，说明前置的权限配置，以及加急后对方会收到强提醒的实际效果。 关键消息发出去了，却没人看，怎么办 飞书消息发到群里，常因被刷屏、对方未在线或没注意而被漏看。对于系统告警、紧急审批、事故通知这类时效性强的消息，漏看的代价很高。直接重发一条新消息既显得混乱，也未必更醒目；而要按不同紧急程度选择应用内提醒、短信还是电话，又涉及权限、批量上限和费用确认，手工操作容易出错——发错人、超量发送，或在没确认费用的情况下触发了收费的电话提醒。 已发送消息（message_id） 应用内提醒 免费 短信提醒 需付费确认 电话提醒 需付费确认 按紧急程度逐级升级，不重发新消息 这个技能能帮你做什么 它在不重发新消息的前提下，对已有消息做"加急触达"。核心能力有四块：一是对已存在的 message_id 发送应用内、短信或电话三档紧急提醒；二是校验 open_id、消息归属和付费提醒确认参数，避免发错人、对不属于自己的消息加急、或未确认就触发收费提醒；三是按平台限制自动拆分大批量接收人并顺序发送，不必手工分组；四是返回 invalid_user_list、配额错误和权限缺失等诊断信息，发送失败时能快速定位是 message_id、权限还是配额的问题。它明确区分免费的应用内提醒与可能产生费用的短信、电话提醒，并对后者强制付费确认。 加急前自动校验四道关 归属校验 付费确认 自动分批 诊断回执 用前须知 该技能需要 Python 3 标准库、飞书 App ID / Secret，以及 im:message.urgent 和短信、电话提醒相关权限；触发前必须已有 om_ 开头的 message_id 和 ou_ 开头的 open_id。短信、电话属于可能收费的提醒，会要求先确认费用再发送。 怎么用它 用法是把要加急的那条消息、提醒谁、用哪一档提醒用自然语言说清楚，无需记参数和批量规则。例如可以这样对它说： 可以这样对它说 "这条飞书消息已经发出，用应用内加急提醒那两位同事，不用短信电话。" "这条消息太急了，给这份名单发电话提醒前先确认费用，确认后再发。" "刚才那条群通知没人回，对原消息做短信加急提醒负责人，别重发新消息。" 它适合这些场景：关键系统告警已发到群里，需要对负责人追加应用内急促提醒；重要审批或事故通知迟迟没响应，要升级为短信或电话提醒；大群中部分人员必须被单独精确触达；发送紧急提醒失败时，需要判断是 message_id、权限还是配额的问题。 大家常问 飞书加急消息到底是什么？跟普通飞书消息有什么不一样？ 飞书加急消息不是新发一条，而是对已发出的消息附加"紧急标识"，触发接收方的全屏弹窗强提醒，并提供阅读回执；普通消息只是静默落在聊天列表里，没有强弹窗、没有强制送达。加急还可以从应用内升级到短信或电话通道，普通消息只能走应用内推送。 飞书加急的应用内提醒、短信提醒、电话提醒，这三档有什么区别？ 三档对应"在线未读 / 离线未读 / 必须立即接听"。应用内加急是免费的强弹窗，接收方必须登录飞书；短信加急按条扣企业配额，把消息摘要短信发到绑定手机号；电话加急按次扣配额，直接外呼并用 TTS 播报摘要。短信与电话单次上限 100 人，应用内 200 人。 为什么飞书发短信加急和电话加急前要做付费确认？ 短信和电话走的是第三方电信通道，每次调用都会扣减企业的加急配额，成本由企业承担而不是发送者个人。付费确认是把"这次会产生费用"前置告知，防止误触浪费配额或骚扰接收方。应用内加急走推送通道、没有外部成本，所以不需要这道确认。 飞书加急返回的 invalid_user_list 和配额错误是什么意思？ invalid_user_list 是接口对无效接收人的回执：open_id 格式错、不在原消息群里、账号离职或停用都会被挑出来，剩下有效用户仍正常加急。配额错误（错误码 230024）是租户加急额度用完，需要去管理后台费用中心扩容或等下个周期重置；短信/电话还会因为对方没绑手机号报 230009。 想用上这个技能？ 「飞书紧急消息」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
模拟炒股有用吗和实盘差在哪
「股票模拟交易」是「龙虾部署大师」技能市场中的模拟组合技能：它基于妙想 API 提供 A 股模拟组合管理，支持持仓查询、资金查询、买入、卖出、撤单、委托查询和历史成交查询，用自然语言即可触发模拟委托，用于交易流程练习、策略演示和产品原型验证，明确不用于真实资金交易。 技能效果 演示一次模拟交易时，它按加权平均成本法记录六笔买卖，算清佣金、印花税等费用和每笔盈亏。 想练交易，又不敢拿真钱试 刚学投资的人面临一个两难：不实际下单，永远体会不到买入、卖出、撤单和资金变化的完整流程；真的拿钱去练，又要承担实打实的亏损风险。验证一个策略想法同样如此——在真实账户上反复试错代价太高。「股票模拟交易」要解决的，是提供一个零真实资金风险的环境：照着真实的下单流程走一遍委托、成交、盈亏，把交易这件事先练熟、把策略先演示清楚。 模拟环境里的一笔交易闭环 下委托 成交/撤单 持仓变化 资金/盈亏 全程模拟 · 不涉及真实资金 这个技能能帮你做什么 它围绕一个 A 股模拟组合账户提供完整的交易动作。查询层面，可查模拟组合的持仓、成本、市值、当日和累计盈亏，以及可用资金、总资产和历史成交；交易层面，可执行 A 股的买入、卖出模拟委托，支持限价与市价参数；管理层面，可撤销指定委托或当日未成交委托，并查询委托状态；容错层面，当接口返回未绑定账户或密钥错误时，会说明下一步该怎么处理。它的输出既能用作交易流程练习，也能用于策略演示和产品原型验证。 买入/卖出限价/市价 撤单/委托状态查询 持仓/盈亏 资金/成交历史查询 用前须知 该技能需要 MX_APIKEY，并在妙想 Skills 页面创建且绑定模拟组合账户，MX_API_URL 可选且有默认值，依赖 Python 3 与 requests。它明确仅用于模拟，不用于真实资金交易、不代客操作、不构成投资建议；模拟结果用于练习与演示，与真实成交存在差异。 怎么用它 用法是把要做的模拟交易动作或要查的账户信息用自然语言说清楚。例如可以这样对它说： 可以这样对它说 "在模拟账户里买入 600519 一百股，按当前价格挂单并记录委托号。" "查一下模拟组合的资金、持仓和今天的委托记录，盈亏也一起看清楚。" "把今天所有未成交的委托撤掉，再看可用资金和持仓变化是否更新，口径写清。" 它适合这些场景：投资学习者在无真实资金风险的环境中练习买卖流程；策略验证前模拟买入、卖出、撤单和资金变化；查看当前模拟账户的持仓、可用资金和盈亏结构；以及接口返回未绑定账户或密钥错误时，明确下一步处理。适用于投资教学、个人练习、策略演示和金融产品原型，而非真实下单。 大家常问 什么是股票模拟交易？它和真实下单在本质上有什么区别？ 股票模拟交易又称纸上交易，用虚拟资金、参照真实行情模拟买卖，行情是真的、钱和股票是假的。它和实盘的本质区别在于：不持有真实资产、订单不进真实市场、成交按简化撮合，且没有真金白银带来的心理压力。 为什么一套策略在模拟盘里能盈利，换到实盘却常常亏损？ 差异来自底层机制：模拟盘资金是虚拟的，没有损失厌恶，策略容易被忠实执行；实盘的浮亏会触发扛单、扳本等情绪偏差。加上模拟通常假设零滑点、忽略市场冲击成本，会系统性高估收益，于是模拟盈利到实盘就缩水甚至转亏。 模拟交易里的成交价、滑点和手续费一般是怎么建模的？为什么和实盘有偏差？ 成交价多用最新价或买卖一价的单一价格模型，省略了订单簿深度；滑点常按零滑点或固定比率处理，而真实滑点是非对称、右偏的；手续费按佣金率近似。这些简化都偏乐观，导致模拟成本被低估、盈亏与实盘出现系统性偏差。 既然模拟盈利不等于实盘盈利，做股票模拟交易练习还有什么价值？ 它的价值在于零风险地走完下单、持仓、卖出、复盘的完整闭环，熟悉交易规则、初步验证策略、刻意练习纪律。局限同样明确：真实资金的心理压力无法被模拟，零风险环境会让行为失真，所以模拟练得好不代表实盘一定行。 想用上这个技能？ 「股票模拟交易」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
Etsy SEO怎么优化？用eRank挑词配标题标签
「Etsy SEO 优化」是「龙虾部署大师」技能市场中的搜索曝光优化技能：它覆盖关键词研究、标题构建、13 个标签配置、上架观察期和持续监控，结合 eRank 的搜索量、竞争度、CTR 等指标识别超级关键词、低垂果实和长尾词，并按优化清单模板输出，避免频繁改动干扰质量分。 技能效果 优化一条定制名字项链的Etsy listing时，它写出132字符、读着自然不堆词的标题，并配齐13个覆盖材质风格场景受众的标签。 Etsy 靠搜索吃饭，标题标签没优化就没流量 Etsy 的流量高度依赖站内搜索，标题和 13 个标签直接决定一个 listing 能不能被搜到。但优化有讲究：堆词、用太泛的大词，曝光上不去；上架没多久就频繁改标题，又会干扰质量分、打乱观察期。新手往往卡在"既不知道该选什么词，又不敢动手改"。 这个技能能帮你做什么 它把 Etsy SEO 拆成有节奏的工作流。它先用 eRank 的搜索量、竞争度、CTR 等指标评估关键词机会，把词分成超级关键词、低垂果实和长尾三类组合；再按 Etsy 标题和 13 个标签的规则生成可读、不堆词的优化方案；最后规划 60 到 90 天观察期后的监控、测试和迭代策略，避免上架初期乱改。 关键词分三层组合 超级关键词 · 搜索量大、要争 低垂果实 · 量竞比好、性价比高 长尾词 · 精准、转化高、竞争小 它的另一个重点是节奏：上架后给 listing 留足观察期，先看数据再优化，而不是一上来就反复改动。 上架标题+13标签 60–90 天观察、别乱改 之后测试 · 迭代 用前须知 该技能无需本地 API Key，但关键词机会判断依赖 eRank 或 Etsy Stats 的数据；生成正式优化清单前，它会先读取技能内的 listing_optimization_checklist 模板，按统一标准输出。 怎么用它 用法是把 listing 的状态（新上架 / 上线不久 / 满 90 天）和目标用自然语言说清楚即可。例如可以这样对它说： 可以这样对它说 "这条 Etsy listing 上架前，重做标题和十三个标签，避开堆词。" "用 eRank 数据筛关键词，避开竞争太高的泛词，按机会分层。" "这个手工杯卖了三个月，按点击和转化调整 SEO，别频繁大改标题。" 它适合这些场景：新商品上架前完成关键词研究、生成标题与标签组合；listing 刚上线不久、要避免误改标题并优先优化主图；上架超过 90 天、想根据关键词表现做 A/B 测试；旺季前加入季节词、提升礼品或节日搜索流量覆盖。 大家常问 Etsy 的 13 个标签（Tags）和标题里的关键词有什么区别，为什么不该重复堆同样的词？ 标题面向人和算法、权重最高（尤其前 20—30 字符），要通顺可读、负责匹配搜索加促进点击；13 个标签买家默认看不到、纯给算法读、权重低于标题，每个最多 20 字符，作用是补充覆盖更多搜索词。不该重复是因为 Etsy 按短语匹配而非词频，同一个词出现一次就够、重复不加分；13 个名额有限，把它们堆在同一核心词上等于主动放弃大量长尾入口。正确做法是前 5—7 个呼应标题核心词，后 6—8 个开拓材质、场景、送礼等新方向。 Etsy listing 刚上架不久，为什么不建议频繁大改标题和标签？ 新 listing 上架后有 60—90 天的质量分观察期，算法在此期间测试曝光、收集点击与转化数据来定排名权重。每次大改标题或标签，算法会当成一次重大重新上架——已积累的数据被弱化、质量分重算、观察期可能重新计时，而且改坏了也分不清是改的还是本来就该跌。正确节奏是上架前把关键词研究透，前 60 天只优化主图、描述、定价（这些不影响关键词匹配），满 90 天后再每次只改一个变量并等 2—4 周看效果。 Etsy SEO 里说的超级关键词、低垂果实和长尾词分别是什么，怎么区分？ 长尾词是 3 个词以上、意图具体、搜索量小但转化高、容易排名，适合所有卖家。低垂果实是竞争低但有一定搜索量的词（参考搜索结果约 1000—10000 条），相关性强、最能快速见效，是中小卖家主攻方向。超级关键词是 1—2 个词的高搜索量泛词（如 earrings、necklace），竞争极激烈、只有大卖家容易排上。区分主要看词长、搜索量和竞争度三者的组合，建议标题按长尾 40%、低垂果实 40%、超级词 20% 搭配。 Etsy 搜索排名除了关键词匹配，为什么还和上架时间、转化率这些因素有关？ 因为 Etsy 排名约等于相关性×质量分×店铺表现，关键词匹配只解决"相关性"这一层，质量分才决定排得多高。否则两个标题一样但转化 10% 和 1% 的卖家会同排，对买家不公平。转化率是质量分权重最高的指标之一（能卖出去的排前面），点击率、收藏加购、店铺评分和发货时效也都计入。上架时间则有双重作用：新品有 1—2 周流量扶持期供算法测试，数据好就稳住、差就回落，老 listing 则因数据充分而排名更抗干扰。 想用上这个技能？ 「Etsy SEO 优化」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
千川投放数据怎么分析 ROI 与转化成本
「巨量千川数据分析」是「龙虾部署大师」技能市场中的投放查询技能：它查询千川广告账户、余额、消耗报表、计划列表、素材效果、直播间表现和实时监控信号，全程只读不改账户，通过统一入口管理 Token、四层监控和开播实时调控，用于日常巡检、复盘和投放异常发现。 技能效果 查千川账户时，它列出余额、今日消耗和整体ROI，再按计划分组算出各自的转化成本，把消耗一起摆出来。 千川数据散在各处，巡检全靠手点 抖音电商投放最耗精力的不是出创意，而是每天的巡检：账户消耗、ROI、余额要看，低效计划要挑，素材效果要排，直播间开播后还得盯着流量来源和大屏数据。这些信息分散在不同页面，靠人工逐个点开、抄数、对比，一轮看下来时间就过去了；开播期间数据变化快，等手工汇总完，调控时机可能已经错过。「巨量千川数据分析」要做的，是把这些查询统一到一个入口，按需要的维度一次性拉齐。 四层监控：从账户到开播实时 账户层 · 消耗 / ROI / 余额 计划层 · 计划列表 / 低效计划 素材层 · 素材效果 / 转化 直播层 · 开播实时大屏 这个技能能帮你查到什么 它的能力围绕"查询"展开，覆盖四块。账户层面，可查账户信息、余额、日预算、广告计划和消耗报表；直播层面，可分析直播间列表、大屏数据、流量来源和历史直播报表；汇总层面，可整合标准推广、全域推广、素材效果和低效计划的表现，形成综合报告；授权层面，它管理 Token 的获取、保存、状态查看、手动刷新和安全删除。需要强调的是，它只做查询，不写入或修改账户设置，巡检过程不会动到任何投放配置。 账户消耗 计划/素材 直播间表现 综合报告 只读查询，不改账户设置 用前须知 该技能需要千川的 app_id、secret、auth_code、advertiser_id 和 Access Token，本地需 Python 环境。Token 以明文保存在用户目录，保存和自动刷新都必须经过你的确认，请注意 Token 的安全。aweme_id、room_id 等参数需按正确流程获取。它提供的是数据查询与分析，不构成投放或经营建议。 怎么用它 用法是把要查的账户、时间范围和关注的维度用自然语言说清楚。例如可以这样对它说： 可以这样对它说 "查千川账户今天的消耗、ROI 和余额，按计划分组看转化成本，消耗一起看。" "直播间开播后监控千川数据，发现低效计划就标出来，别改设置，消耗写清。" "近 7 天素材效果拉一遍，找出花费高、转化低的素材，按消耗降序，转化也看。" 它适合这些场景：广告运营查看近七天账户消耗、ROI、余额和低效计划；直播投放期间监控直播间状态、流量来源和实时大屏数据；同时整合标准推广与全域推广、形成账户综合汇总报告；以及首次授权千川账户后安全保存 Token 或排查权限不足。适合抖音电商投手、直播运营、广告分析师和代运营人员的日常巡检与复盘。 大家常问 千川投放里的 ROI 是什么意思？看到一个 ROI 数值怎么判断它算高还是低？ ROI 即投产比，等于千川渠道成交金额除以消耗，代表每花 1 元广告费换回多少成交。判断高低不看绝对值，而是对照盈亏平衡 ROI（约等于 1 除以毛利率）：高于平衡线才盈利，越往上放量空间越大，接近或低于平衡线就要降出价、查素材。 千川数据里的转化成本是什么？为什么要按计划分组分别看，而不是只看账户总数？ 转化成本等于消耗除以转化数，即每获得一次下单或成交平均花了多少钱。只看账户平均会被大计划的低成本拉漂亮，掩盖那些消耗小、成本高的亏损计划。按计划分组才能看清成本分布，找出真正在浪费预算的计划单独处理。 怎么判断一条千川广告计划是不是低效计划？从哪些数据上能看出来？ 先看消耗与投产是否匹配：高消耗加低 ROI 基本就是纯亏。再看实际转化成本与出价的偏离，成熟期成本超出价 1.5 倍以上即成本失控。还要看点击率和转化率，两者双低是典型低效特征。学习期 ROI 低属正常，转化数攒够再判断。 千川的素材衰退是什么意思？为什么巡检时要专门把素材效果拉出来按消耗排？ 素材衰退指一条素材随曝光增加、效果指标持续恶化：点击率和转化率下滑、转化成本上升、系统减少给量。本质是人群被洗过一轮后频次过高、边际效用递减。按消耗排是因为约两成素材花掉八成预算，先盯高消耗素材就抓住了影响账户的主要矛盾。 想用上这个技能？ 「巨量千川数据分析」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
批判性阅读怎么做才算读懂一篇文章
「深度阅读分析」是「龙虾部署大师」技能市场中的长文研读技能：支持 URL、PDF、DOCX、TXT 和粘贴文本输入，先提取正文，再按快速、标准、深度、研究四级模式调用 SCQA、5W2H、批判性思维、第一性原理等框架，把长文拆成核心论证，并输出可复用的学习笔记、写作素材或决策框架。 技能效果 让它深读一篇正念训练与工作记忆的实证论文，它拆出 SCQA 与 5W2H、揪出剂量不匹配和缺中介分析等四处漏洞，再给论证强度打了 6.5 分并列出该补的引用。 长文读完就忘，问题出在哪 论文、报告、策略长文读起来都费时，但"读过"和"读懂、能用"之间常常隔着一道坎。很多人通读一遍后只留下零散印象：抓不住核心主张，分不清哪些是事实、哪些是作者观点；看不出论证里的证据强弱和逻辑漏洞；想引用或落地时，又得回头重读。归根结底，是缺少一套和阅读目的匹配的拆解方法，于是阅读停留在"看完"，没有沉淀成可复用的结构化产物。 长文论文/报告 通读一遍 零散印象抓不住主张/分不清事实观点 要用时回头重读 这个技能怎么把长文读"透" 它先识别输入类型（URL、PDF、DOCX、TXT 或粘贴文本）并提取正文，再询问你的阅读目的、想要的分析深度和偏好框架，然后按四级模式推进——快速、标准、深度、研究，深度越高调用的思维框架组合越完整。可用的框架包括 SCQA、5W2H、批判性思维、逆向思维、第一性原理、系统思维等，用来拆解核心论证、评估证据质量、找出逻辑缺口。它在输出时会刻意保留事实、观点和行动项的边界，便于后续验证和复用。 提取正文URL/PDF/DOCX 按目的选深度，调用框架 快速 · SCQA 标准 · 5W2H 深度 · 批判性 研究 · 第一性原理 结构化产物 学习笔记 / 写作素材 决策框架 / 行动项 保留事实 · 观点 · 行动边界 用前须知 该技能无需 API Key。处理 PDF / DOCX 时，正文提取依赖 Python 及 pdfplumber、python-docx 或 docx2txt；输入 URL 时需要网络可访问该内容。它做的是结构化拆解与提炼，关键事实和引用仍建议回到原文核对。 怎么用它 用法是把要读的材料（链接、文件或粘贴文本）交给它，说清阅读目的和想要的深度。例如可以这样对它说： 可以这样对它说 "这篇论文按标准深度读，帮我拆出主张、证据和逻辑漏洞，再评估论证强度。" "这份报告太长，做成学习笔记，列出可用的框架，最后提三条可执行的动作。" "把这篇文章用 SCQA 和逆向思维分析，找出可以落地的启发，别只做摘要。" 它适合这些场景：阅读研究论文时，需要提炼核心假设、证据质量和局限性；处理商业长文或策略报告，希望得到可落地的行动方案；为写作引用整理关键论点、证据、反方视角和内容缺口；面对复杂决策材料，需要从多个角度评估风险、收益和备选项。 大家常问 什么是批判性阅读？它和普通通读一篇文章有什么不同？ 批判性阅读是带着审视和质疑去读，主动分析、评估、重构文本，而不是被动接收信息。普通通读像观众看电影，跟着内容走，读完只剩大致印象；批判性阅读像影评人，要追问作者想证明什么、论据是否可信、有没有漏洞，最后沉淀成结构化笔记。 读一篇文章时，怎么区分哪些内容是事实、哪些是作者的观点？ 一条简单法则：事实可以用对错检验、能追溯能验证，观点只能用好坏或应该来评论。看信号词，「研究表明」「根据数据」多是事实陈述，「我认为」「应该」「最好」多是主观或价值判断。可以用两种标记分别标事实和观点，若观点远多于事实，论证基础就值得怀疑。 要评估一篇文章里的论据是否可信，可以从哪些方面入手？ 不能只看有没有引用，而要逐一考察：来源是一手还是转述、是否权威可追溯；数据的时效性；样本是否充分且有代表性；从数据到结论有没有逻辑跳跃；是否回应了对立观点；有无利益冲突；结论是否可被公开验证或复现。模糊引用如「有专家指出」往往是危险信号。 拆解一本书或一篇长文的论证结构，到底是在拆哪些东西？ 拆的是作者的思维骨架：先提取主旨和分论点，区分哪些是论述、哪些是论据；再看论证类型是演绎、归纳、类比还是因果，把隐含前提显式化，检查从前提到结论有没有逻辑断环。注意别把选题范围当主旨，也别把概念当成主张。 想用上这个技能？ 「深度阅读分析」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
本体建模是什么 和知识图谱区别
「本体知识建模」是「龙虾部署大师」技能市场中的知识图谱技能：用实体、属性和关系表示人员、项目、任务、文档、事件等对象，变更以追加日志写入 graph.jsonl，并可通过 schema 约束必填字段、枚举、关系类型和无环依赖，帮助多个技能共享结构化状态并保留可追溯的历史。 技能效果 让它记住“Alice 负责官网改版、关联到三月发布”，它把人物和任务建成结构化本体，连 responsible_for、part_of 两条关系链和查询命令都生成好了。 让 AGENT 记住事情，为什么这么难 让代理"记住"某个人负责什么项目、某个任务被谁阻塞，听起来简单，做起来却容易散。把信息写成自由文本，时间一长就互相矛盾、查不回去；每个技能各自维护一份状态，就成了互不相通的数据孤岛；想表达"任务 A 阻塞任务 B"这类关系，纯文本既存不住结构，也无法做类型检查和合法性校验。结果是记录越积越多，可靠地查询、关联和复用却越来越难。 自由文本记忆 散落的笔记 互相矛盾 技能各存一份 · 孤岛 类型化知识图谱 人员 项目 任务 负责 包含 这个技能用什么方式管理知识 它提供一个类型化的知识图谱：把人员、组织、项目、任务、事件、文档、消息、笔记、账户、策略等都建成带类型的实体对象，再用 has_owner、blocks 这类关系把它们连起来，且关联是幂等的（重复建立不会产生脏数据）。所有变更以追加日志的形式写入技能目录内的 graph.jsonl，因此保留完整的可追溯历史；通过 schema.yaml 可以约束必填属性、枚举值、关系类型、基数以及无环依赖，对知识库结构施加类型检查。查询、遍历和过滤则用来获取任务、依赖、文档与上下文。 创建实体 / 关联 schema 校验必填 / 枚举 / 基数无环依赖 追加日志graph.jsonl可追溯历史 查询 / 遍历多技能共享 用前须知 该技能无需外部 API Key。首次使用需运行 Python setup 脚本安装依赖；数据保存在技能的 memory/ontology 目录下，已有的日志和 schema 应以追加合并的方式处理，而不是覆盖。它支持后续扩展到 SQLite。该技能偏向开发者与自动化场景，用于构建可验证、可追溯的结构化状态。 怎么用它 用法是用自然语言告诉它要记住的对象、关系，或要查询的内容。例如可以这样对它说： 可以这样对它说 "记住 Alice 负责官网改版，并把它关联到三月的发布任务，别丢掉关系链。" "查一下 CRM 项目下面还有哪些处于阻塞中的任务，按负责人分组列出来。" "把这份会议纪要连到增长实验项目和参会人，保留文档路径和来源。" 它适合这些场景：需要让代理记住某个人、项目、任务或文档，并能在后续查询；多步骤计划需要表示为可验证的图变更、依赖关系和回滚步骤；跨技能共享任务、承诺、事件等状态，避免各自维护孤岛数据；希望对知识库结构施加类型检查、关系基数和无环约束规则。 大家常问 本体知识建模到底是什么？用实体、属性、关系来表示知识是什么意思？ 本体是对一个领域的概念及其关系所做的形式化、明确的规格说明，它定义"知识应该长什么样"。建模时把世界里有身份的事物建成实体，用属性描述实体自身的特征，用关系连接实体之间的连线，于是知识不再是散乱词语，而是一张可计算、可共享、可校验的网。 本体和知识图谱有什么区别？ 本体是模式层，规定有哪些概念、属性、关系和约束，相当于一张带规则的蓝图；知识图谱是在这张蓝图上填充大量实例数据所形成的关系网络，是数据层。一句话：本体定义知识结构，知识图谱把真实数据装进去。知识图谱可以基于本体构建，也可以没有严格本体约束。 is-a（是一种）关系和 part-of（是一部分）关系有什么区别？ is-a 是分类归属，子类的每个实例也是父类实例，并自动继承父类属性，判断靠"替代性测试"——能不能用子类替换父类。part-of 是组成结构，部分不继承整体的属性，判断靠"删除测试"。常见错误是把方向盘建成"是一种汽车"，正确应是"汽车的一部分"。 为什么要给本体知识建模加 schema 一致性约束（必填、枚举、基数、无环依赖）？ 约束是本体区别于术语表和松散图谱的本质特征。必填属性保证实例的最低知识完整度，枚举值把取值限定在有界集合避免语义漂移，基数约束让关系网络有确定拓扑，无环依赖保证层次结构有效、推理能终止。没有约束，知识虽自由却无法被一致地计算。 想用上这个技能？ 「本体知识建模」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
提示