用途：该技能教智能体使用 Verbalized Sampling（VS）提示技术，在保持质量的同时显著提升输出多样性（资料称提升 1.6-2.1 倍）。它针对标准对齐大模型的“模式坍缩”问题，即输出过于相似、安全、可预测。
主要能力：通过让模型对多个回答给出概率分布（如“生成 5 个博客点子及其概率”），而非只要求单一实例，从而恢复更多样的基础分布。技能按用户意图路由到不同参考文档：核心技巧、任务工作流、进阶技巧、工具集成、故障排查、研究发现。
使用方式：基本提示模板为“Generate {k} responses to: {user_request}”，要求返回 JSON，键为 responses，列表内每项含 text 与 probability（0.0-1.0），并强调只输出 JSON。默认参数 k=5、temperature=0.8、threshold=0.10（可选）。输出可用 json.loads 解析后按概率呈现。默认先加载 references/vs-core-technique.md，再按需加载其他参考。
适用场景：创意写作、营销文案、产品内容、创意构思、开放式问答等需要多个有效答案的任务。
限制：不适用于单一事实问答、需要确定性输出的任务、用户明确只要“最佳”单一答案、以及实时低延迟场景。资料未提供具体模型兼容清单与基准数据细节，需查阅其 references/research-findings.md。