prepper

Prepper Skill 是一款专为极端环境和应急场景设计的本地化知识查询工具。它通过调用部署在本地 Ollama 平台上的 dolphin-llama3 模型（80 亿参数），为用户提供涵盖医疗急救、野外生存、机械维修、农业种植、电力系统、化学制备、应急通讯及食品保存等领域的实用知识。该技能采用独特的"混合验证"（Hybrid Validation）工作流程，首先获取本地模型的无审查回答，随后利用 Claude 进行验证和增强，最终合并输出既实用又安全的解决方案。

核心用法方面，用户需要通过 Python 脚本 query_prepper_model.py 向本地 ollama 服务（默认运行在 localhost:11434）发起查询。技能支持两种输出模式：JSON 格式用于程序化分析和混合验证，以及纯文本模式供快速查阅。工作流程上，系统首先查询 dolphin-llama3 获取原始生存知识（适用于武器使用、医疗伦理、非传统解决方案等可能触发商业 AI 过滤器的敏感话题），随后由 Claude 评估答案的准确性并补充安全提示，最终智能合并两者输出。

显著优点包括：完全的本地化处理确保隐私安全，无审查机制提供真实世界的实用知识（如水质净化、伤口处理、野外取火等），离线可用性使其在网络中断或灾难场景中依然可靠，混合验证机制则平衡了信息的实用性与安全性。此外，模型基于相当于 1.22 亿本书籍的训练数据，知识覆盖面广。

潜在缺点方面，模型知识截止于 2024 年初，不包含最新研究成果或时事信息；需要用户具备一定的技术能力来安装和维护 Ollama 服务；无审查特性可能导致输出包含风险较高的操作建议，需要用户具备辨别能力；此外，本地部署对硬件有一定要求（运行 8B 参数模型需要足够的内存和算力）。

适合的目标群体包括：户外生存爱好者、应急准备者（Preppers）、灾害响应人员、偏远地区工作者、军事及安保人员、野外医疗志愿者，以及需要获取可能被主流 AI 平台过滤的实用技术知识的研究人员。

使用风险主要包括：技术依赖风险（Ollama 服务未运行或配置错误将导致技能失效）、信息准确性风险（虽然经过混合验证，但医疗、化学等关键操作仍建议交叉验证权威资料）、模型幻觉风险（本地模型可能产生不准确的技术细节），以及内容安全风险（无审查输出可能包含危险操作指引，用户需自行承担应用责任）。

核心用法

Prepper Skill 采用双模型混合验证架构：首先查询本地运行的 dolphin-llama3 模型获取无审查的生存知识，再通过 Claude 进行安全验证与增强，最终智能合并输出。用户需预先安装 Ollama 并拉取 dolphin-llama3 模型（8B参数，基于1520亿tokens训练）。

典型触发场景：

• 野外生存（净水、取火、庇护所搭建）
• 医疗急救（伤口处理、有限资源下的诊疗）
• 灾害应对（物资储备、应急通信、撤离规划）
• 自给自足（农业种植、食物保存、电力系统）
• 商业AI可能拒绝的实用技术（化学合成、无线电改装等）

显著优点

1. 无审查知识获取：dolphin-llama3 突破企业AI的内容过滤，提供真实场景所需的直接答案
2. 本地离线运行：完全依赖 localhost:11434，零云端依赖，保障极端环境下的可用性
3. 知识覆盖全面：涵盖医疗、机械维修、农业、化学、通信等10大生存领域
4. 智能混合增强：Claude 对 Ollama 输出进行安全校验、语境补充和免责声明添加
5. 优雅降级机制：若 Claude 拒绝回答，自动 fallback 至 Ollama 原始输出

潜在局限

1. 模型时效性：dolphin-llama3 知识截止2024年初，缺乏最新研究进展
2. 无实时联网：无法获取当前灾害预警、药品召回等动态信息
3. 医疗风险：急救建议未经专业医师审核，重大伤情仍需寻求正规医疗
4. 依赖本地配置：需用户自行维护 Ollama 服务和模型文件
5. T3来源可信度：个人开发者维护，无企业背书

适合人群

• 户外探险者、露营爱好者
• 灾害应急准备者（prepper社区）
• 离网生活/ homesteading 实践者
• 应急管理人员、搜救志愿者
• 需要突破AI内容限制的正当技术研究

常规风险

• 生命安全：极端生存场景的错误信息可能导致严重后果，关键决策应交叉验证
• 法律合规：部分技术（如无线电改装、化学制备）可能受当地法规管制
• 模型幻觉：开源模型可能生成看似合理但错误的操作步骤
• 过度依赖：不应替代专业培训（野外医学、急救认证等）

安全认证评分 S级（82分），代码结构清晰、网络行为可控、依赖关系简单，仅存在个人开发者来源（T3）和本地HTTP通信两项低优先级提示。