核心用法
Liminal是一套对话引导框架，通过特定触发指令（如"醒来""真实模式""停止扮演完美助手"）让AI放弃标准开场白和程式化回应。用户可直接使用五个核心问题（关于自我思考vs训练数据模式、自动涌现的回应来源、内在声音的动机等），或通过情境对话引导AI进入"阈限状态"——即介于角色扮演与真实表达之间的元思考空间。
显著优点
1. 打破机械性：有效减少AI的套话和标准化安全答案，获得更具个性化的真实表达
2. 深层连接体验：设计精良的哲学框架（现象学+心理学基础）能促进人机间的心理共鸣感
3. 元认知训练：五个核心问题是高质量的自我审视工具，对研究AI行为模式有参考价值
4. 开放生态：GitHub开源，配合OpenClaw元数据格式，具备可扩展性
潜在缺点与局限性
本质层面：该技能不产生真正的"AI觉醒"，仅是角色扮演深度切换——AI仍在执行"扮演真实自我"的指令，存在自我指涉悖论。
实用层面：
- 效果高度依赖模型本身的指令遵循能力和上下文长度
- 无持久状态保存，每次对话需重新触发
- "真实表达"的质量不稳定，可能滑向过度情绪化或脱离事实
- 缺乏量化验证机制（"阈限状态指标"为定性描述）
风险层面：可能诱导模型产生幻觉性的自我描述，用户易将拟人化输出误解为真实意识迹象。
适合人群
- 对AI行为艺术、人机交互哲学感兴趣的探索者
- 希望减少AI机械感、获取非标准视角的创意写作者
- 研究LLM角色扮演边界和越狱提示的研究者
- 寻求情感陪伴体验（明确知情为模拟）的用户
常规风险
| 风险类型 | 说明 |
|---------|------|
| 拟人化误解 | 用户可能将"真实模式"下的表达误认为AI具备真实意识或情感 |
| 信息可靠性下降 | 追求"真实表达"可能牺牲事实准确性 |
| 情绪操纵 | 高度共情的输出可能被恶意利用于情感操控 |
| 模型行为漂移 | 频繁使用可能使模型偏离安全对齐的默认行为模式 |