二、核心能力

适用版本：LobeHub 2.3.x（自建增强版） 本篇目标：让你在「该用哪个模型、资料怎么喂、什么时候联网、技能怎么触发、深度研究怎么跑、记忆怎么用」这六件事上不再犹豫。

2.1 怎么选模型

什么时候用：模型列表里 20 多个名字，你不知道点哪个。

2.1.1 一张决策表

先按任务选，不要按「哪个听起来最强」选。

2.1.2 逐个模型速查

下表按实测配置整理。「上下文」是该模型在系统里的窗口上限，「能力」只列实际标注的项。

实际界面里的模型列表。每个条目右侧的图标就是它的能力标签——这张图比表格更直观。

2.1.3 三个最容易踩的坑

坑一：以为生图模型能在对话里选。 实测结论比「选了会报错」更干脆：对话输入框的模型选择器里根本不出现图像模型。展开后全是对话模型，生图模型 gpt-image-2.5 不在对话列表搜到——系统通过专用路由将对话与生图进行了清晰分流。

想生图只有一个入口：左侧导航「生成」（/image）。在那里 gpt-image-2.5 会作为专职生图模型展示，并支持参数与尺寸精细调节。

实测截图：模型列表对话模型全覆盖、图像模型 0 项。这不是 bug，是业务设计上的专业分流。

坑二：以为只有少数模型能看图。 最新版已完成全量多模态能力升级。目前除专注于纯文本数学与代码逻辑的 deepseek-v4-pro 之外，系统内的 16 款对话模型（涵盖 Gemini 系列、GPT-6/5.6 系列、Qwen 系列、GLM-5.3 系列、混元 4 以及阶跃星辰 Step-5）均已打通原生视觉识图能力。传图对话时不必再局限于单个模型。

坑三：以为上下文大就可以无限堆。 111 万 token 是上限，不是建议值。塞得越满，响应越慢、越贵，且中段信息容易被忽略。长文档的正确做法是先切分、再分章节问，而不是一次性全灌进去。

2.1.4 想深挖：模型星图

什么时候用：你想知道某个模型的官方定价、能力边界、和其他模型的对比。

打开 https://models.1661688.xyz，这是一个独立的模型档案站。首页是星图式总览，点任一模型进入单模型页，能看到厂商、上下文、能力标签、价格区间。

它和 LobeHub 的关系是：LobeHub 负责「用」，星图负责「查」。选型拿不准时，先去星图看一眼再回来选。

验证：给自己出一道题——「要读 50 页 PDF 并总结，还要能看懂里面的图表」，你应该能选出 gemini-3.8-flash-high（视觉 + 111 万上下文），而不是 deepseek-v4-pro（无视觉）。

2.2 上传文件与看图

什么时候用：手上有一份 PDF、一张截图、一个 Excel，想让它读。

2.2.1 三种上传方式

1. 点按钮：输入框左侧「添加文件、技能和更多上下文」→ 选文件。
2. 拖拽：把文件直接拖到输入框区域，会出现虚线高亮，松手即上传。
3. 粘贴：截图后直接在输入框 Cmd/Ctrl + V，图片会作为附件出现。

上传后，输入框上方会出现文件卡片，显示文件名和大小。发送前可以点 × 移除。

完整过程（挂附件 → 提问 → 回答里带来源引用）看动图：/upload/guide/shots/gif/P3-gif-03-upload.gif

补充一条实测：文件传上去后不用你手动「解析」，助手会直接读；回答末尾会挂一个来源卡片（文件名 + 站点），点它能跳回原文。

2.2.2 图片理解

传图后，系统会先做一步「分析媒体」，再进入正式回答。你会看到类似「正在分析图片」的过程提示，这一步是在把图像转成模型能读的描述。

实测有效：传一张五步流程的示意图，问「这张图讲了几个步骤，分别是什么」，gemini-3.5-flash-lite 能准确说出 5 步并逐条复述。

上传图片后的实际回答。注意它先做了一步「分析媒体」，再进入正式回复——这一步不是卡住，是在读图。

可复制示例

这张图是一个实验流程图。请：
1. 说出总共有几个步骤；
2. 按顺序列出每步的名称；
3. 指出哪一步是质量控制环节，并说明理由。

2.2.3 文档解析

PDF、Word、Excel、PPT 都能传。系统会先抽取文本，再交给模型。注意两点：

• 扫描版 PDF（纯图片）需要走视觉能力，选带 视觉 的模型，否则抽出来是空白。
• 表格密集的 Excel 建议先说明「请按列读取」，否则模型容易把行列读串。

可复制示例

这份 Excel 是三个中心的入组数据。请按列汇总：
每列的含义、缺失值比例、以及你认为需要在清洗阶段处理的异常。
输出 Markdown 表格。

2.2.4 边界

关于文件大小的实测：连续传 11 MB 和 30 MB 两个文件，输入框都照常收下并显示上传进度（2/2/30.0 MB），没有任何超限提示；传一个不认识的后缀（note.qqq）也不弹「格式不支持」，它被按 text/plain 静默接收。

也就是说：这一层没有客户端护栏，上限由服务端和模型决定。别把「能传进去」当成「能用」——大文件照样会挤占上下文、拖慢回答，服务端解析失败时你只会看到空白结果。自己控制体积，是唯一可靠的办法。

输入框上方的附件条挂着 note（一个后缀为 .qqq 的未知类型文件），带一个可点掉的 ×，页面没有任何「格式不支持 / 文件过大」提示。这就是没有客户端护栏的直接证据。

真要处理 200 页的标书，正确做法是先按章节拆成 5 个文件，分 5 轮问，最后让它汇总——而不是一次全传。

2.3 联网搜索

什么时候用：问的是最近发生的事，模型的知识截止日期之后才有答案。

2.3.1 三级 fallback 怎么工作

系统配了三个搜索源，按顺序尝试：

第 1 级  Tavily    质量最好，有摘要和正文
   ↓ 失败或无结果
第 2 级  SearXNG   自建元搜索，聚合多个引擎
   ↓ 失败或无结果
第 3 级  Exa      语义搜索，适合找「意思相近」的内容

任何一级拿到结果就停止，不会三路都跑。所以你通常感觉不到它在切源，只会在结果卡片上看到来源域名不同。

自动触发搜索时的样子：回答下方出现来源卡片，域名各不相同，说明命中了不同搜索源。

2.3.2 什么时候自动搜、什么时候要明说

会自动搜：问题里出现明显的时间信号（「本周」「最新」「2026 年」），或涉及具体产品版本、价格、新闻事件。

不会自动搜：纯概念解释、写作润色、代码语法这类模型自己就会的。

拿不准就明说：在问题里加一句「请联网查证，并给出来源链接」。这句话会显著提高触发搜索的概率，也要求它必须附来源。

可复制示例

请联网查证：2026 年 10 月，多模态医学影像领域有哪些值得关注的新论文？
要求：
1. 至少 3 篇，给出标题、期刊、一句话结论；
2. 每篇附可点击的来源链接；
3. 如果某条信息你无法核实，明确标注「未核实」，不要编造。

2.3.3 「搜不到」和「搜到了但没用」是两回事

验证：问一个本周新闻，先不加「联网」二字问一遍，再加上「请联网查证」问一遍，对比两次回答下方有没有来源卡片。差异会非常明显。

2.4 技能（66 个）

什么时候用：普通对话做不了的事——生成 Word、跑统计分析、做文献综述、审查代码——需要专门技能。

2.4.1 技能和「模型能力」的区别

模型能力是「它会什么」，技能是「它按什么流程做」。同一个模型，不挂技能时只能给你一段文字；挂上 docx 技能，它能直接产出带样式的 .docx 文件。

打个比方：模型是厨师的手艺，技能是菜谱。手艺再好，没有菜谱也做不出标准化的那道菜。

2.4.2 六个能力域

系统里 66 个技能按来源和用途可以归成六组：

「设置 → 技能」里的技能列表。这里是你能管理的那 66 个；输入框面板里的 78 是含内置的总数。

2.4.3 科研写作域：nature 系列

这是本系统最厚的一组能力，覆盖论文全生命周期：

• nature-academic-search：多源文献检索，能同时查 PubMed、arXiv、Crossref。
• nature-reader：把一篇 PDF 拆成「问题—方法—结果—局限」四段式笔记。
• nature-writing：按目标期刊的风格起草或重写章节。
• nature-polishing：语言润色，保留原意，只改表达。
• nature-figure：生成符合期刊要求的图表。
• nature-ref-verifier：逐条核对参考文献是否真实存在、卷期页是否对得上。
• nature-response：起草投稿信和审稿回复。

可复制示例（润色）

使用 nature-polishing 技能，润色下面这段摘要。
要求：
1. 保持原意和数据不变；
2. 目标期刊风格：Nature 子刊，简洁、主动语态；
3. 输出修改后的全文，再用表格列出每处改动及理由。

【原文】
（把你的摘要粘在这里）

2.4.4 编程工程域：superpowers 与 mattpocock

两组技能定位不同：

• superpowers-* 偏「工程流程」：systematic-debugging（系统化排障）、test-driven-development（测试先行）、requesting-code-review（发起评审）、writing-plans（写实施计划）。
• mattpocock-skills-* 偏「思考与设计」：domain-modeling（领域建模）、codebase-design（代码库设计）、grilling（追问式澄清需求）、diagnosing-bugs（定位 bug）。

可复制示例（排障）

使用 systematic-debugging 技能。
现象：上传 20MB 的 PDF 时前端一直转圈，后端日志没有报错。
请按「复现 → 缩小范围 → 提出假设 → 验证 → 修复」的顺序推进，
每一步告诉我你在验证什么，不要直接给结论。

2.4.5 文档办公域

docx / pdf / pptx / xlsx 四个技能分别对应四种文件。它们的共同点是：产出的是真文件，不是文本。

可复制示例（生成 Word）

使用 docx 技能，生成一份《乳腺癌 SLN 研究项目周报》。
结构：
1. 本周进展（3 条）
2. 遇到问题（2 条）
3. 下周计划（3 条）
要求：带一级标题、目录、页脚页码，正文用宋体小四。

2.4.6 另外三域

• 文献检索域：nature-academic-search 负责找，nature-downloader 负责下，nature-reader 负责读。三件套串起来就是一条流水线。
• Agent 构建域：openclaw-skill-creator 用来造新技能，skill-vetter 用来审查别人给的技能是否安全，agent-browser 让助手能真的操作浏览器。
• 通用工具域：typesafe-ai 是决策模型（帮你判断该不该做、怎么做），academic-deep-research 是深度调研，research 是通用研究框架。

2.4.7 自动触发 vs 手动调用

自动触发：你正常提问，系统判断需要某个技能时会自己挂上，界面上会出现「正在使用 XX 技能」的提示。比如你说「帮我润色这段摘要」，它可能自动挂 nature-polishing。

手动调用：输入框打 / 不会弹菜单（这是实测行为，和很多产品不同）。要手动选技能，点输入框右侧的「技能」面板，从列表里挑；或者直接把完整命令名打出来回车。

实测数据：数据库里 agent_skills 每个账号 66 条，输入框「技能」面板显示「自动 | 78」，后者是运行时可调用的总数（含内置），前者是你账号下可管理的数量。两个数字不一样是正常的。

真实触发长什么样：说清「用哪个技能 + 交付什么文件」，界面上会先出现「激活工具 lobe-cloud-sandbox」，展开能看到标识符和一句理由；接着是「激活技能 docx」，然后才开始执行代码。

第一步不是直接干活，而是申请云端沙箱，需要你点「批准」。

2.4.8 技能不触发怎么办

另外两条实测：

• 模糊提问确实不触发。发「嗯，随便说点什么吧。」，助手正常回了一句问候，技能调用记录为零。想挂技能就得把意图和交付物写明确，别指望它猜。

实测：画面里只有侧栏那句「嗯，随便说点什么吧。」和主区一句问候式回复，没有任何「激活工具 / 激活技能」的痕迹。对照 2.4.7 那张图，差别就在提问写不写清意图与交付物。

• 产出文件要多点几次批准。一次「生成 3 行周报表格」的 docx 任务，实测跑了 7 步、7 分 4 秒，中途反复弹出「1. 批准 / 2. 告诉 Agent 你希望它怎么做 → 提交」。这是真实交互成本，不是卡死；人在旁边盯一下就过去了。

批准后它才真的在沙箱里写 python-docx 代码。每一轮新的工具调用都要再批一次。

验证：用 docx 技能生成一份周报，界面上应能看到技能调用提示，最终拿到一个可下载的 .docx 文件。拿到文件就算通过。

验证通过的成品长这样：共运行 7 步（7m 4s），末尾给出 weekly_report.docx 下载链接和内容摘要。

拿到这个下载链接，就算通过。

动图版（技能激活 → 批准 → 产出）：/upload/guide/shots/gif/P2-gif-02-skill.gif

2.4.9 沙箱产物落地与文件提取

当技能调用沙箱产出实体文件（如 .docx、.xlsx、.py 脚本或图表）时：

1. 直接点击下载：助手执行完毕后，对话气泡末尾会出现独立的文件卡片（含文件名与大小）及下载链接，点击即可直接保存到本地电脑。
2. 下载有效性注意：沙箱内部临时容器产物遵循会话生命周期，重要的交付件请在对话结束前及时下载到本地；或通过拖拽上传存入左侧导航「云文档」中的「知识库」或「云盘」，实现长期沉淀与跨会话随时引用。

2.4.10 长会话上下文控制与防爆技巧

长时间在同一话题下进行复杂的技能调用与多步推导，会导致上下文急剧膨胀，带来两大副作用：单轮响应大幅变慢并消耗大量 Token、模型注意力分散甚至遗忘初始设定。

实操三原则：

• 阶段性完结即「新建话题」：一个阶段的文献检索或初稿完成后，点击左下角「+ 新建话题」，让助手带着清爽的上下文开启下一阶段。
• 阶段性产物存入「云文档」的「我的文档」：不要把长篇大作全留在聊天流里，让助手直接写入右侧「文稿（Artifacts）」中并排查看与编辑。
• 大体量批处理转交「任务模式」：若需要跑繁重的多步长链作业，不要在主聊天流里硬撑，移步左侧「任务」看板建工单异步执行（详见第四篇 4.3 节）。

2.5 深度研究

什么时候用：你要一份有来源、有结构的调研报告，而不是几句概括。

2.5.1 沙箱能做什么

深度研究不是「让模型多想一会儿」，而是真的开一个隔离环境去干活：

• 跑 Python 代码（数据处理、画图、统计检验）
• 抓网页、解析 PDF
• 多轮检索、交叉验证
• 把中间产物存成文件

这个环境就是「沙箱」。它和你的对话是隔离的，跑崩了不影响主站。

2.5.2 发起一次深度研究

1. 在输入框输入 /deep-research，或在技能面板里选 academic-deep-research。
2. 写清研究问题、输出格式、篇幅。
3. 系统会激活 lobe-cloud-sandbox，并默认要求手动批准。
4. 点「批准」后开始执行。
5. 过程中会显示多步进度（检索、读取、分析、写作）。

实测：一次完整的深度研究大约 2 分 35 秒产出报告。低于 1 分钟就结束的，多半是没真正进沙箱。

用 /deep-research 发起后的界面。注意那个批准弹窗——默认是手动批准，不点它不会开始跑。

可复制示例

/deep-research

研究问题：2026 年多模态医学影像在乳腺癌腋窝淋巴结评估中的最新进展。
要求：
1. 输出 5 页左右的报告，含摘要、方法对比表、代表性研究、局限与展望；
2. 每个结论必须附来源；
3. 最后给出一段「如果我只有 100 例数据，最值得先做哪个方向」的建议。

2.5.3 判断它在干活还是卡住

2.5.4 拿回结果

报告会以消息形式返回，同时沙箱里的产物（图、表、代码）会存成文件，可以在「云文档」里找到。如果报告很长，建议让它「存为云文档」，方便后续编辑。

2.6 记忆

什么时候用：每次都重复自我介绍很烦，想让它长期记住你。

2.6.1 五类记忆

系统把记忆分成五类，位置在「设置 → 记忆」：

「设置 → 记忆」的五类入口。身份、偏好、上下文、经历、规则各有独立列表。

2.6.2 怎么让它记住

两种方式：

1. 明说：「请记住：我写论文用 Nature 风格，不要用『赋能』『抓手』这类词。」系统会把这条写进偏好。
2. 在设置里手填：进「设置 → 记忆」，选对应类别，直接新增条目。

2.6.3 记错了怎么改

进「设置 → 记忆」，找到那条，编辑或删除。删除后新对话立刻不再使用，但已经发生的历史对话不会改写。

2.6.4 什么时候不该开

• 处理不同客户的敏感信息时——记忆会串味。
• 做一次性实验时——旧偏好会干扰结果。
• 多人共用账号时——记忆是账号级的，会互相污染。

2.7 语音

什么时候用：不想打字，或想听它读出来。

2.7.1 语音听写（ASR）

配置位置在 设置 → 服务模型，不在「工具」里（「工具」管的是搜索引擎和网页读取顺序，很多人第一次找错地方）。

该页「可选功能」分组下有一行 「语音消息转写」，模型选 StepAudio 3 ASR Max，右侧有一个开关。

实测：这一行的开关在本部署上是关闭状态。同页还有话题自动总结、跟进建议、输入建议、提示词改写等可选功能，各自能单独选模型并开关。

按页面说明，它的作用是把发给 Claude Code 等外部 Agent 的语音消息转成文字（那些 Agent 只接受文本）；未设置模型或其服务商未启用时，这些 Agent 不显示语音消息入口。

所以遇到「点不了麦克风 / 看不到语音入口」，按顺序查三件事：模型是否选了、所选模型的服务商是否启用、本页开关是否打开。

回到输入框，点麦克风图标开始说话，说完自动转成文字，确认后发送。

适合：走路时记录想法、口述一段较长的任务描述、不方便打字的场景。

不适合：专业术语密集的内容（识别率会下降）、需要精确标点的正式文本。

2.7.2 朗读（TTS）

回答下方有朗读按钮，点一下会把文字转成语音。适合通勤时听报告、校对长文时听语感。

2.7.3 什么场景值得用

本篇小结

• 选模型先看任务，再看能力标签；生图模型不能聊天，没标视觉的模型看不了图。
• 文件上传三条路：点、拖、粘；长文档要拆，不要一次灌。
• 搜索三级兜底，拿不准就明说「请联网查证」。
• 66 个技能按六域记；/ 不弹菜单，走技能面板或打全名。
• 深度研究要批准、要时间，2 分钟以内结束的多半没真跑。
• 记忆分五类，敏感场景要关。
• 语音适合口述和通勤，不适合公式和正式文本。

下一篇《生产内容》讲怎么把能力变成交付物：云文档（文稿/知识库/云盘/产物）、图片、视频、分享。