核心用法
Emotion Skill 是一个轻量级运行时路由系统，专为编码 Agent 设计。它分析用户消息、对话历史、重试次数、延迟压力等信号，输出结构化的主机合约（host contract），指导 Agent 如何响应当前轮次。
典型调用场景：
- 调试多次失败的 bug 修复
- 用户要求提供证据、日志或根因分析
- 用户限制仅修改特定文件
- 工具调用或会话心跳路径异常静默
- 任务成功后的收尾确认
- 需要选择 collect/steer/interrupt 模式时
主机集成命令：
python scripts/emotion_engine.py host --message "Show me the basis before changing more files." --pretty
输出包含 guidance.system_prompt_addendum（正向指令追加）、response_constraints（回复约束）、routing（路由策略）等字段，可直接注入 LLM 上下文。
显著优点
1. 正向转化机制：核心设计原则是将内部检测到的负面状态（挫败、怀疑、延迟压力）转化为积极执行指令，避免在模型上下文中放大负面词汇
2. 生产级安全边界：默认隐藏原始情感标签和 emotion_vector，仅通过审计模式显式开启；支持 include_raw_emotion=false 强制禁用
3. 精细的路由控制：提供 9 种运行时命令（host/run/screen/confirm/predict/route/guide/overlay/posthoc），覆盖从生产紧凑合约到完整诊断的全谱需求
4. 状态无感知核心：引擎本身无状态，不发起网络调用，仅在 --output 时写入，便于容器化和无服务器部署
5. 丰富的验证体系：内置 alignment/ablation/smoke/independent audit 等多层测试，当前回归通过率 100%（70/70 alignment, 333/333 ablation）
潜在局限
- Python 运行时依赖：需要主机环境预装 Python 3，Windows 主机若无 IANA 时区数据需额外传递
context.local_hour - 编码场景专精：明确不推荐用于通用情感记忆、角色扮演、个人日记或长期人格模拟（参见文档 "Good Fit" 章节）
- 主机集成复杂度：完整发挥需主机实现 prompt 注入、约束传递、队列策略、进度心跳等集成点，非开箱即用
- 审计数据隔离：原始情感向量与诊断信息虽可通过审计模式获取，但错误配置可能导致敏感推断数据进入模型上下文
适合人群
- 构建编码 Agent 平台的工程师团队
- 需要优化 Agent 在压力场景（反复失败、证据索取、范围限制）下表现的产品
- 已有 Agent 基础设施，希望引入结构化行为路由而非端到端重训的架构师
常规风险
| 风险类别 | 说明 |
|---------|------|
| 提示注入 | `system_prompt_addendum` 直接拼接至系统指令，需确保主机对注入内容做逃逸处理 |
| 模式误检 | 依赖正则和启发式的情感术语检测，非语义理解，跨语言场景可能降级 |
| 持久化泄露 | `--store-dir` 写入的 `user_profile.json`/`last_state.json` 含交互模式推断，需按敏感数据管理 |
| 审计模式滥用 | `include_raw_emotion=true` 将原始负面标签暴露给模型，可能强化负面循环，默认应保持关闭 |