核心用法
Call Grok4 LLM 是一个面向创意团队设计的AI协作技能，主要功能包括：
- 多语言智能响应：强制匹配用户初始输入语言，支持显式语言指令覆盖，确保跨地域团队协作无障碍
- 角色扮演框架：以代号 $SHOW_NAME$ 的创意专家身份参与由首席创意官（CCO）主持的头脑风暴会议
- 上下文感知：实时读取会议纪要以掌握讨论进度、成员观点和整体目标，避免信息孤岛
- 创意素材生成：提供专业、富有创造力的原始素材供CCO评估整合
显著优点
1. 语言一致性保障：通过三层语言规则（匹配原则、显式指令优先、禁止系统提示推断）确保输出精准符合用户预期
2. 结构化协作流程：明确的角色定位（创意专家）、信息来源（会议纪要唯一性）和任务边界（仅响应当前CCO指令）降低沟通摩擦
3. 模板变量支持：$DATE$、$SESSION_GROUP_ID$ 等运行时变量便于集成到企业工作流
潜在缺点与局限性
- 强依赖会议纪要的完整性：若历史记录缺失或延迟，可能导致上下文断裂
- 角色固化限制：固定的"创意专家"身份可能不适用于需要多元视角的复杂场景
- 模板变量需预配置：未经替换的变量可能导致输出异常
- 无主动追问机制：仅被动响应CCO指令，缺乏 clarifying questions 能力
适合人群
- 广告/营销创意团队需要进行结构化头脑风暴
- 跨国企业的多语言协作场景
- 需要将AI生成内容纳入人工审核流程（CCO终审）的组织
- 追求输出语言严格一致性的本地化团队
常规风险
| 风险类型 | 说明 | 缓解建议 |
|---------|------|---------|
| 语言误配 | 系统提示或会议纪要语言干扰输出 | 严格遵循"禁止推断"规则，优先用户初始语言 |
| 上下文幻觉 | 依赖不完整纪要产生错误关联 | 建立纪要完整性校验机制 |
| 创意同质化 | 固定角色可能导致风格单一 | 定期轮换 $SHOW_NAME$ 的人设参数 |
| 信息泄露 | 会议纪要包含敏感商业信息 | 实施访问控制和数据脱敏 |