核心用法
brainstorming-strategy-cellcog 是 CellCog 官方推出的对话式策略思考技能，专为复杂问题的迭代探索而设计。与传统"一次性交付"的技能不同，它采用多轮对话模式，用户与 AI 通过反复交流共同发现答案。
使用方法分为两种模式：
- OpenClaw 环境：使用
client.create_chat()创建任务，支持 fire-and-forget 异步执行 - 其他 Agent 环境（Cursor、Claude Code、Codex 等）：使用
CellCogClient同步阻塞调用，需设置CELLCOG_API_KEY
关键参数设置为 chat_mode="agent"，这确保对话流畅自然，而非自主深度处理。每次对话通过 chat_id 延续上下文，实现思维的逐步深化。
显著优点
1. 完整思考闭环：从问题探索到最终执行，覆盖研究、文档、视觉、数据、原型等多模态输出
2. 深度协作体验：模拟"结对编程"式的思维碰撞，AI 提供推理深度，用户贡献领域专长
3. 场景覆盖全面：架构决策、商业战略、创意方向、问题调试、重大决策等五大典型场景
4. 灵活的任务管理：支持任务标签、会话通知、超时控制等企业级功能
5. 跨平台兼容：支持 70+ 主流 Agent 平台，安装部署简单（pip install cellcog）
潜在缺点与局限性
1. 学习成本较高：需要理解对话式交互模式，与单次提示的直觉习惯相悖
2. 时间投入大：有效洞察往往出现在第 4-5 轮对话，不适合追求即时答案的场景
3. 依赖外部服务：必须配置 CELLCOG_API_KEY，存在供应商锁定风险
4. 上下文管理：长对话可能产生上下文漂移，需要用户主动总结关键结论
5. 成本不确定：多轮对话可能产生较高的 API 调用费用
适合的目标群体
- 技术负责人/架构师：面临复杂技术选型、系统架构设计等决策困境
- 创始人/产品经理：需要在资源约束下制定商业战略、市场进入策略
- 创意总监/营销人员：探索品牌方向、campaign 创意等开放性命题
- 数据科学家/工程师：调试复杂模型问题、优化算法方案
- 个人重大决策者：职业选择、投资判断等需要结构化思考的私人场景
使用风险
性能风险：对话模式意味着响应延迟累积，复杂任务可能耗时较长；网络不稳定时对话中断可能导致上下文丢失。
依赖风险：重度依赖 CellCog 平台的可用性与定价策略；API 变更可能需要及时调整代码。
决策风险：AI 提供的策略建议需结合实际情况验证，避免盲目执行未经市场检验的方案。
数据安全：商业敏感信息通过第三方 API 传输，需评估数据泄露风险与合规要求。