# next-question-predictor

> 当对话完成回答后，用户可能需要智能建议的后续问题。此 skill 在生成回答后自动触发，基于对话上下文、当前问题、回答内容和对话历史，预测并展示 3-5 个高优先级的相关问题。

- Author: HxinY
- Repository: HxinY499/play-skills
- Version: 20251228001817
- Stars: 0
- Forks: 0
- Last Updated: 2026-02-06
- Source: https://github.com/HxinY499/play-skills
- Web: https://mule.run/skillshub/@@HxinY499/play-skills~next-question-predictor:20251228001817

---

---
name: next-question-predictor
description: 当对话完成回答后，用户可能需要智能建议的后续问题。此 skill 在生成回答后自动触发，基于对话上下文、当前问题、回答内容和对话历史，预测并展示 3-5 个高优先级的相关问题。
---

# Next Question Predictor - 后续问题预测器

## 概述

此 skill 通过分析对话上下文，智能预测用户的后续问题。它在每次回答后自动生成 3-5 个高相关性的问题建议，帮助引导对话延续并提升用户参与度。

## 核心能力

### 1. 上下文分析

分析多种信息源以建立全面理解：

- **当前问题**：从最新问题中提取关键主题和用户意图
- **回答内容**：识别回答中提及的相关概念、实体和主题
- **对话历史**：追踪对话流程、主题演变和重复出现的主题

**分析方法**：
- 识别命名实体和关键概念
- 提取主题之间的语义关系
- 追踪对话主题转换
- 根据问题复杂度判断用户专业水平

### 2. 双策略预测

使用两种互补策略生成候选问题：

#### 策略 A：逻辑延伸
生成自然延伸当前话题或深入探讨的问题：

- "[概念] 在实践中是如何工作的？"
- "[方法] 有什么局限性？"
- "你能给出一个[应用]的例子吗？"
- "[概念 A] 与[概念 B] 有什么区别？"

#### 策略 B：相关概念
基于回答中提到的概念生成问题：

- 识别回答中讨论的实体和主题
- 为未解释的相关术语创建问题
- 提出主题之间的隐含联系
- 对提及的示例或案例进行后续追问

**生成规则**：
- 确保问题具体且可执行
- 避免重复或过于泛泛的问题
- 保持与对话上下文的一致性
- 优先考虑有实际价值的问题

### 3. 优先级排序

基于多个标准对生成的问题进行排序和筛选：

**评分因素**：
- **相关性**：与当前上下文的关联程度（权重：40%）
- **新颖性**：问题是否添加新信息（权重：30%）
- **清晰度**：问题是否清晰具体（权重：20%）
- **可操作性**：是否可能引导有价值的讨论（权重：10%）

**输出格式**：
按优先级顺序返回前 3-5 个问题，作为编号列表：

```
1. [最相关且可执行的问题]
2. [次高优先级问题]
3. [第三优先级问题]
```

## 使用指南

### 何时使用

此 skill 设计为在对话中的任何回答完成后自动触发。在以下情况使用：

- 用户已收到完整的问题答案
- 对话可能受益于继续探索
- 讨论的主题有自然的后续机会
- 需要鼓励用户参与

### 何时不使用

在以下情况避免触发：

- 用户表示没有更多问题
- 回答简短或事实性，讨论潜力有限
- 对话已自然结束
- 用户明确拒绝进一步帮助

### 实施说明

**上下文提取**：
- 通过可用上下文访问对话历史
- 识别最新的问答对
- 使用自然语言理解提取相关实体和概念

**问题生成**：
- 使用双策略方法生成多样化的候选问题
- 应用过滤器去除重复和低质量问题
- 使用排序因素对每个候选问题进行评分

**输出交付**：
- 以清晰可读的列表形式呈现问题
- 如有帮助，包含简短的上下文指示器（例如，"基于[主题]..."）
- 确保问题自包含，不需要额外上下文

## 示例

**示例 1 - 技术主题**：

*用户问题*："什么是机器学习？"
*回答*：解释了机器学习概念，提到了神经网络、训练数据和应用。

*预测问题*：
1. 神经网络实际上是如何从数据中学习的？
2. 机器学习算法有哪些主要类型？
3. 你能给出一个机器学习在日常生活中的实际例子吗？

**示例 2 - 实用建议**：

*用户问题*："我该如何提高生产力？"
*回答*：讨论了时间管理、优先级排序，并提到了番茄工作法。

*预测问题*：
1. 番茄工作法实际上是如何运作的？
2. 有哪些最佳的任务优先级排序工具？
3. 工作时我该如何处理干扰？

## 资源

此 skill 不包含脚本、参考资料或资源文件，因为所有功能都通过对话系统中内置的核心 AI 能力和自然语言处理来实现。