核心用法
Aubrai Longevity Research 是一款专注于长寿、衰老及寿命延长研究领域的知识查询技能。用户通过自然语言提问，技能将问题发送至 Aubrai 公共 API（https://api.aubr.ai），经轮询等待后返回带引用来源的 AI 生成研究摘要。支持多轮对话，首次提问后保存 conversationId 即可进行后续追问，形成连贯的研究咨询体验。
显著优点
1. 零门槛使用：无需 API 密钥或注册，完全免费开放，降低科研信息获取门槛。
2. 权威引用支撑：返回结果包含文献引用，便于用户追溯原始研究，提升信息可信度。
3. 专业领域聚焦：专门针对长寿与抗衰老研究，相比通用搜索引擎更能精准定位前沿学术动态。
4. 安全架构设计：使用标准系统工具（curl、jq），无动态代码执行，HTTPS 加密传输，Guardrails 明确限制使用边界。
5. 对话连续性：支持基于 conversationId 的上下文追问，适合深度研究场景。
潜在缺点与局限性
1. T3 来源可信度：项目由个人开发者维护，非学术机构或医疗组织背书，API 服务端的长期稳定性与数据治理透明度存疑。
2. 隐私数据外泄风险：用户问题需上传至第三方服务器，未明确数据保留期限与用途，不适合处理敏感健康信息。
3. AI 生成内容局限：响应为 AI 摘要而非原始论文，可能存在理解偏差或信息压缩损失，需用户自行核实关键结论。
4. 非医疗免责声明：明确声明不构成医疗建议，无法替代专业医生诊断，限制了其在健康决策中的直接应用价值。
5. 网络依赖与延迟：轮询机制需等待处理完成，弱网环境下体验可能不佳。
适合的目标群体
- 长寿科学、老年学、生物医学领域的研究人员与研究生
- 关注抗衰老健康管理的科普读者与生物黑客（Biohacker）
- 健康科技内容创作者，需快速获取带引用的研究素材
- 对衰老机制、寿命延长干预手段（如二甲双胍、NAD+、热量限制等）感兴趣的终身学习者
使用风险
- 数据隐私风险：避免发送包含个人身份、病史、基因信息等敏感内容的问题
- 信息准确性风险：AI 摘要可能简化复杂研究结论，关键健康决策应交叉验证原始文献
- 服务连续性风险：个人项目可能因维护者精力或资金问题中断服务
- 网络与性能风险：API 响应时间不稳定，高频调用可能触发未公开的速率限制