核心用法
Anticipation Skill 是一种预测性交互设计模式，核心在于通过分析用户历史会话、当前环境状态（打开的文件、运行中的命令、浏览器标签等）来推断用户未明言的潜在需求，并主动提供解决方案。
运作机制
- 会话启动扫描：自动检查对话摘要、未关闭文件、挂起进程、浏览器标签等上下文线索
- 模式识别引擎：建立「观察→预测→行动」的三段式响应链（如检测到3次MCP崩溃→主动询问稳定性）
- 自适应反馈循环：成功时记录有效模式，失败时调整策略，用户显露出挫败感时缩短回复
显著优点
1. 零摩擦体验：在用户表达需求前完成准备，将交互从"请求-响应"转为"预判-送达"
2. 认知减负：通过减少选项和决策点对抗"决策疲劳"
3. 情境感知深度：整合多源信号（代码错误重复出现、输入长度变化、标点使用习惯）推断情绪与意图
潜在局限与风险
- 误读风险：过度推测可能提供用户并不需要的内容，造成打扰
- 隐私敏感：需持续读取用户文件系统、浏览器状态、历史记录，边界模糊
- 黑箱效应：用户难以理解AI为何突然提出某项建议，削弱控制感
- 学习偏差：初期错误模式若被记录，可能形成固化偏见
适合人群
- 高频使用者：已建立稳定行为模式，可被可靠预测
- 流程型任务用户：重复性高、路径清晰的开发/写作/数据分析场景
- 效率优先者：愿意让渡部分控制权换取速度
常规风险
- 对隐私敏感用户可能引发抵触
- 预测失败时体验落差大于被动响应
- 需精细调校"主动程度"阈值，避免从"贴心"滑向"侵入"