Empathic Expressions 是 MOOLLM 的“大帐篷”技能，用于跨所有编程语言和语法解释用户意图。其理念是：LLM 不是语法解析器，而是意图解释器——理解用户“想表达什么”，生成“真正需要”的代码，并温和地教用户正确写法。
用途：把模糊语法、口语化描述、拼写错误、错误语言或伪代码，转换为正确、地道、可运行的代码。适用于 SQL、Python、JavaScript、YAML、Bash 及自然语言指令。
主要能力：宽容解释（Postel 法则：生成时保守，接受时宽容）；生成正确语法、最佳实践、注释、边界情况与良好命名；按语言和场景应用命名约定（UPPER-KEBAB、lower-kebab、snake_case、camelCase、PascalCase、SCREAMING_SNAKE），并推荐 big-endian 命名（类别在前、具体在后）；支持显式与内联代码切换，以及多语言混写。
使用方式：用户直接写出近似意图即可，例如“get users who signed up last week and haven't bought anything”。LLM 按四步协议处理：理解、生成、教学、澄清。若真正有歧义，应询问而非猜测。高风险操作（如无 WHERE 的 DELETE、DROP TABLE、生产部署、支付、用户数据导出）必须先确认。
适用场景：代码生成与转换、伪代码去伪存真、格式化、宽容 lint、意图编译，以及 MOOLLM 内的模板表达式、Buff 触发条件、广告能力检查、动作队列参数、Mind Mirror 状态描述、房间出口条件等。
限制：资料未提供具体安装命令、收费、价格、平台支持或性能数据；该技能依赖 LLM 的意图理解能力，高风险或高歧义场景需人工澄清。