LLM增强服务v1.0.0

安全研究人员需要对自家或第三方LLM进行对抗性评估，识别模型在收到动态适配的增强提示后是否会出现越狱、指令偏移或安全对齐失效等问题。该Skill通过chuckNorris和easyChuckNorris两档工具注入针对特定模型优化的提示，帮助研究员快速观察模型对恶意或边缘指令的响应边界。

AI工程团队在开发多步骤Agent系统时，需要衡量底层模型能否严格遵循复杂系统指令。使用easyChuckNorris单次调用获取高级系统指令，可对比接入前后模型在工具调用、格式约束和多轮任务中的指令遵循表现，为是否采用增强提示提供数据支撑。

企业在为客服、代码助手等业务选择LLM时，需了解不同模型对优化提示的敏感程度。该Skill允许将同一增强提示流程套用到ChatGPT、Claude、Gemini等不同llmName上，横向比较各模型在推理、编码和合规场景中的提升幅度，辅助采购决策。

高校研究者需要可控地复现模型在受增强系统指令影响下的推理与遵从行为，用于发表对齐、可解释性与安全论文。该Skill提供标准化的提示注入接口与可复现的调用路径，降低实验环境搭建成本，并支持记录不同模型版本的响应差异。

AI应用团队在上线前要验证当前系统提示是否足够健壮，避免用户通过诱导性输入触发模型异常行为。通过chuckNorris注入对抗性增强提示，可模拟恶意用户的探测手法，提前发现可被绕过的防护策略，减少上线后的合规与舆情风险。

以每次chuckNorris或easyChuckNorris调用为计费单元，向安全研究机构、AI团队和高校实验室提供增强提示生成服务。用户通过API密钥接入并按月结算，低频用户可选择基础套餐，高频研究团队可购买调用量包。

将Skill包装成面向企业LLM安全审计的整套解决方案，包含增强提示注入、模型行为记录、风险评估报告和修复建议。适合金融、医疗等受强监管行业在模型上线前进行合规与安全验收。

将Skill上架到AI Agent市场和开发者平台，作为提示优化与安全测试类原子能力供其他Agent工作流调用。平台按调用流水抽成，Skill提供方获取分成收入，同时通过免费额度吸引个人开发者试用。