Fermi Estimation 是一个用于费米估算的 AI 技能，目标是在数据很少时快速给出可辩护的数量级答案。它关注的不是精确数字，而是正确的十次方量级以及清楚了解哪些因素在驱动结果。
用途
该技能适用于容量、负载、存储、成本、人数、市场规模或时间等估算场景，尤其适合“大概有多少”“粗略估算”“信封背面计算”“这到底可不可行”这类问题。它也可用于在投入测量之前，检查一个计划的数字是否合理。当已有精确数据（应直接查询）或用户需要精确计算时，应跳过该技能。
主要能力
该技能提供一套结构化流程：分解、估算、合并、交叉验证、敏感性分析。它会优先寻找真实锚点，例如日志、仪表盘、账单、文档、先前数字，并用可找到的数据替换猜测。只有在工具无法提供锚点时，才最多提 3 个问题。对于小需求，它支持轻量路径：3-4 个因子、每个一个范围、一行结果和一次交叉验证。
使用方式
开始前需在一个区块中说明：数量（含单位和周期）、用途（什么决策依赖它）、所需精度（一个数量级，或 2 倍以内），以及流程（分解、估算、合并、交叉验证、敏感性分析）。步骤上，首先分解：将数量拆成可估算的因子，通常是乘积形式，如人口 × 频率 × 规模，或速率 × 时间，先写公式。其次估算：为每个因子给出低值、高值和一行依据，猜测标记为 [ESTIMATED]，找到的数据标记来源。然后合并：将低值和高值相乘得到边界；若需单一中心值，取几何中点（低值 × 高值的平方根），适合跨越数量级的范围；结果以范围和数量级报告。接着交叉验证：用第二种方式估算同一数量（自上而下与自下而上，或与已知类似系统比较），若两者差异超过约 3 倍，找出哪个因子有偏差。最后做敏感性分析：指出影响答案最大的一两个因子，以及什么测量能缩小它们。
适用场景
适用于数据稀缺时的快速可行性判断、容量规划、成本粗略估算、市场规模初判、时间估算等。也适合在正式测量前检查计划数字是否合理。
限制
该技能不适用于已有精确数据或需要精确计算的场景。常见陷阱包括：虚假精度（用猜测输入得出“每秒 47,312 次请求”），应四舍五入到一位有效数字；单位不匹配（每天与每秒、字节与比特），每行都要写单位；重复计算出现在两个输入中的因子；锚定第一个想到的数字，应先估低值和高值再取中间；跳过交叉验证，这是估算与猜测的区别；忽略峰值，平均值会掩盖最忙时段，容量规划时应说明平均值和峰值。
其他信息
该技能包含一个工作示例，位于 references/example.md。检查清单包括：数量、单位、用途和所需精度已说明；公式在数字之前写出；每个因子有低值、高值、依据，猜测标记为 [ESTIMATED]；结果以范围和数量级呈现；用第二种方式交叉验证；指出主导因子及可缩小它的测量。