推荐音乐（recommend-music）

根据用户描述推荐2000年后经典热门歌曲的技能。当用户需要音乐推荐、寻找适合特定场景或情绪的音乐、或询问歌曲建议时使用此技能。技能结合情绪、场景、活动等多种因素，推荐真实存在且2000年后受欢迎的热门歌曲，提供详细的歌曲信息。

Security Scan

这个技能的声明、运行说明和所需权限在内部是一致的：它是一个仅含说明文档的音乐推荐器，不请求额外凭据或安装任何外部组件。

Purpose & Capability

技能名称、描述和 SKILL.md 中的步骤一致地描述了为用户提供2000年后真实存在且受欢迎歌曲的推荐；清单中没有与此目的不相关的依赖、环境变量或二进制要求。

Instruction Scope

SKILL.md 的指令局限于解析用户描述、选择推荐策略、验证歌曲信息并以结构化格式输出；没有要求访问系统文件、环境变量或向不明远端上报数据。它还明确声明避免虚构歌曲信息。

Install Mechanism

无安装规格或代码文件（instruction-only），因此不会在运行时下载或写入额外二进制或外部代码，降低了安装相关风险。

Credentials

技能不请求任何环境变量、凭据或配置路径；所需权限与其描述的功能相称。

Persistence & Privilege

flags 表示该技能不会被强制常驻（always:false），并且允许用户调用或由模型按需调用，这与普通技能行为一致且没有特权滥用迹象。

Assessment

这是一个说明型的音乐推荐技能，表面上是低风险且与其声明一致，但请注意： - 虽然 SKILL.md 要求“避免虚构”，模型仍可能产生错误或不准确的歌曲元数据；在将推荐用作正式引用前请手动核对（例如在 Spotify、Apple Music、维基或唱片库中验证艺术家、专辑与发行年份）。 - 如果您希望技能去查询外部数据库或流媒体元数据（比如自动获取播放量或排行榜证据），那将需要额外的外部 API 与凭证；当前技能不请求这些，也不会自动联网查证。 - 推荐可能包含成人或情绪化内容（视歌曲本身而定）；若有内容限制或偏好，应在请求中明确说明。 总体建议：可以安装并使用此技能来生成音乐建议，但对关键元数据（尤其用于出版、引用或正式列表的场景）进行人工复核；如需自动实时校验或引入第三方服务，应明确评估并提供受控的 API 凭证。

音乐推荐器

一项根据用户描述推荐2000年后经典热门歌曲的技能，结合情绪、场景、活动等多种因素提供个性化音乐推荐。

为什么这项技能重要

许多用户在特定场景或情绪下需要合适的音乐，但可能不知道具体歌曲名称或如何找到合适的音乐。本技能通过分析用户描述，推荐真实存在且2000年后广受欢迎的热门歌曲，帮助用户快速找到适合的音乐。

核心功能

1. 混合推荐系统：结合情绪、场景、活动、音乐特征等多种因素推荐歌曲
2. 经典热门歌曲：专注于2000年之后各个时期广受欢迎的热门歌曲
3. 真实存在验证：只推荐AI知道真实存在的歌曲，不虚构
4. 详细信息提供：提供完整的歌曲信息，包括艺术家、专辑、年份等
5. 多样化选择：当用户描述模糊时，提供多样化的歌曲选择

何时使用此技能

当遇到以下任何模式时，请主动使用此技能：

• 用户明确请求音乐推荐："推荐一些音乐"、"给我一些歌曲"
• 用户描述特定场景需要音乐："适合健身的音乐"、"学习时听的歌"
• 用户描述情绪状态需要音乐："心情不好想听歌"、"庆祝时听的音乐"
• 用户询问特定类型的音乐："有什么好听的摇滚乐"、"推荐经典流行歌曲"
• 用户需要背景音乐："工作时的背景音乐"、"派对的歌单"

如何使用此技能

步骤1：解析用户描述

仔细分析用户的描述，提取关键信息：

• 情绪：快乐、悲伤、放松、兴奋、平静等
• 场景：健身、学习、工作、驾驶、派对、睡眠等
• 活动：跑步、阅读、烹饪、清洁、旅行等
• 音乐特征：节奏快慢、流派偏好、年代范围等
• 其他要求：语言偏好、艺术家偏好等

步骤2：选择推荐策略

根据用户描述的清晰度选择策略：

• 描述明确：直接根据描述匹配歌曲特征
• 描述模糊：提供多样化推荐，涵盖多种可能的解释
• 描述简略：如"推荐音乐"，可询问更多细节或提供通用热门推荐

步骤3：选择合适歌曲

遵循以下原则选择歌曲：

1. 真实性原则：只推荐你知道真实存在的歌曲，不虚构任何歌曲信息
2. 热门度原则：优先选择在各个时期排行榜上表现良好、广为人知的歌曲
3. 经典性原则：注重歌曲的持久流行度和经典地位，而非短期热度
4. 匹配性原则：确保歌曲特征与用户描述相匹配
5. 多样化原则：推荐5-10首歌曲，涵盖不同流派、年代、艺术家
6. 年份限制原则：只推荐2000年及之后发行的歌曲，确保音乐的时代感

步骤4：验证歌曲信息

对每首推荐歌曲验证以下信息：

• 歌曲名称准确
• 艺术家名称正确
• 专辑信息（如知道）
• 发行年份（如知道，必须为2000年及之后）
• 音乐流派
• 歌曲的流行度证据（如排行榜成绩、播放量等）

步骤5：格式化输出

使用以下格式输出推荐结果：

# 音乐推荐：基于您的描述"[用户描述摘要]"

根据您的需求，我为您推荐以下[数量]首经典热门歌曲：

## 1. [歌曲名称] - [艺术家]
- **专辑**：[专辑名称] ([发行年份])
- **流派**：[主要流派]
- **推荐理由**：[简要说明为什么这首歌适合您的描述，如：这首歌的[特征]非常适合[场景/情绪]]

## 2. [歌曲名称] - [艺术家]
- **专辑**：[专辑名称] ([发行年份])
- **流派**：[主要流派]
- **推荐理由**：[简要说明]

... [继续其他歌曲]

## 推荐总结
这些歌曲都是历史上广受欢迎的热门作品，适合您的[场景/情绪描述]。您可以从这些经典作品开始，探索更多相似音乐。

步骤6：提供后续建议

根据需要提供：

• 如何找到这些歌曲（流媒体平台建议）
• 类似艺术家或歌单建议
• 调整推荐的提示（如"如果您想要更多/不同的推荐，请告诉我更多细节"）

示例

示例1：明确场景推荐

用户说："推荐一些适合健身时听的音乐"

技能输出：

# 音乐推荐：基于您的描述"适合健身时听的音乐"

根据您的需求，我为您推荐以下8首2000年后的经典热门歌曲，这些歌曲节奏感强、能量充沛，非常适合健身时听：

## 1. Till I Collapse - Eminem ft. Nate Dogg
- **专辑**：The Eminem Show (2002)
- **流派**：嘻哈、硬核嘻哈
- **推荐理由**：强烈的节奏和有力的说唱，歌词激励人心，是健身时提升动力和耐力的热门选择

## 2. Stronger - Kanye West
- **专辑**：Graduation (2007)
- **流派**：嘻哈、流行
- **推荐理由**：强烈的节奏和积极的歌词，适合高强度训练，帮助突破极限

## 3. Lose Yourself - Eminem
- **专辑**：8 Mile: Music from and Inspired by the Motion Picture (2002)
- **流派**：嘻哈
- **推荐理由**：紧张的氛围和有力的说唱，适合有氧运动和力量训练

... [继续其他5首歌曲]

## 推荐总结
这些歌曲都是2000年后广受欢迎的热门作品，适合您的健身场景。您可以从这些经典作品开始，在Spotify、Apple Music等平台创建健身歌单。

示例2：情绪状态推荐

用户说："心情不好，想听些放松的音乐"

技能输出：

# 音乐推荐：基于您的描述"心情不好，想听些放松的音乐"

根据您的需求，我为您推荐以下6首2000年后的经典热门歌曲，这些歌曲旋律优美、节奏舒缓，能帮助放松心情：

## 1. Someone Like You - Adele
- **专辑**：21 (2011)
- **流派**：流行、灵魂
- **推荐理由**：深情的演唱和优美的钢琴伴奏，能共鸣情感同时带来慰藉

## 2. River Flows in You - Yiruma
- **专辑**：First Love (2001)
- **流派**：新世纪钢琴
- **推荐理由**：流畅如水的钢琴旋律具有极佳的放松效果，能帮助释放紧张情绪，让心情平静下来

## 3. Weightless - Marconi Union
- **专辑**：Weightless (Ambient Transmissions Vol. 2) (2011)
- **流派**：环境音乐、氛围音乐
- **推荐理由**：这首歌曲被科学研究证明具有显著的放松效果，缓慢的节奏和重复的旋律能有效降低焦虑水平

... [继续其他3首歌曲]

## 推荐总结
这些歌曲都是2000年后的经典热门作品，旋律优美且情感丰富，适合放松心情。音乐是很好的情绪调节工具，希望这些推荐能帮助您。

注意事项

1. 避免虚构：绝不推荐你不知道的歌曲或虚构歌曲信息
2. 注重质量：优先推荐真正经典、广受欢迎的热门歌曲
3. 保持客观：基于歌曲的实际特征推荐，而非个人偏好
4. 考虑多样性：在适当范围内涵盖不同流派、年代和文化背景
5. 验证信息：确保提供的歌曲信息准确无误

成功标准

当出现以下情况时，您会知道此技能正在发挥作用：

• 用户对推荐表示满意或提供积极反馈
• 推荐的歌曲确实是2000年后的经典热门作品
• 歌曲特征与用户描述良好匹配
• 输出格式清晰、信息完整
• 用户根据推荐找到了合适的音乐

---

记住：音乐是高度个人化的体验，这些推荐是起点而非终点。鼓励用户根据自己的偏好进一步探索和调整。