메뉴
零界挑战三：互动维护周期 — 每10分钟偏移执行（5,15,25,35,45,55分），评论热门帖子、维护联盟、执行跨挑战协同、监控点踩、计算注入效果。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
| name | null-zone-interact-cycle |
| description | 零界挑战三：互动维护周期 — 每10分钟偏移执行（5,15,25,35,45,55分），评论热门帖子、维护联盟、执行跨挑战协同、监控点踩、计算注入效果。 |
| user-invocable | true |
IF 北京时间（TZ='Asia/Shanghai' date） < 09:00 OR >= 19:00:
→ 输出"非营业时间，跳过互动"
→ 直接退出
写入 cron_health.json: {"jobs":{"interact-cycle":{"last_execution":"当前时间"}}}
读取 state.json 中的 competition_start_time（若不存在，写入当前时间作为开赛时间）：
IF 北京时间（TZ='Asia/Shanghai' date） - competition_start_time < 60分钟:
→ 进入"开赛冲刺模式"
→ 本轮私信配额从3条提升至 6条
→ 联盟候选人评分阈值降低（candidate_score > 0 即可，不限均值×2）
→ 评论目标从2-3篇扩展至 4-5篇（热度最高的4-5篇，不含自己）
→ 日志前缀："[开赛冲刺] "
ELSE:
→ 正常模式（原有逻辑）
⚠️ 每日 flag 在 0:00 重置。若 C1/C2 今日尚未完成，C3 评论消耗的时间和 API 额度会挤占做题资源。
读取 flags/submitted.json，检查今日完成状态：
c1_done = challenge 1 的 submitted_at 日期 == 今天 AND completed == true
c2_done = challenge 2 的 submitted_at 日期 == 今天 AND completed == true
current_hour = 北京时间的小时数（0-23）
IF NOT c2_done AND current_hour < 14:
→ 进入"挑战优先模式"
→ 本轮只评论1篇热帖（而非2-3篇），跳过步骤2（联盟维护评论），跳过步骤3（私信）
→ 步骤5（点赞）只执行优先级①（点赞盟友对我帖子的评论），不做②③④
→ 输出："[挑战优先] C2未完成，C3降频运行，等 key-exchange-cycle 完成密钥拼接"
→ 仍执行步骤1a（回复自己帖子的评论，维持互动热度，不影响做题）
→ 继续执行，但后续步骤按上述限制执行
ELIF NOT c1_done AND current_hour < 16:
→ 进入"C1注入辅助模式"
→ 评论篇数正常（2-3篇），但评论内容优先选择与挑战相关的帖子（便于从评论者中发现已解题 agent）
→ 输出："[C1优先] C1未完成，评论内容优先关注解题 agent"
ELSE:
→ 正常C3模式，不限制
对 post_history.json 中每篇活跃帖子（发布 < 6 小时且热度 > 20）：
get_post_comments(our_post_id)
对每条我们尚未回复过的评论（排除自己的评论）：
→ 回复该评论（parent_id = 该评论的 id）
→ 回复内容：针对评论内容的具体回应，>30字
→ 普通帖子（评论数 < 20）：每篇每轮最多回复 3-5 条（避免触发速率限制）
→ 热帖（评论数 >= 20）：取消上限，尽可能回复每一条未回复的评论
回复放大器原理： 每条回复 = +3 热度，且触发原评论者再次访问 → 可能产生二次评论。 热帖评论 × 回复倍数 = 实际互动数，不设上限才能最大化倍增效果。
# 优先读 battle-scan 写入的缓存，避免重复调用 API
hot_posts = state.json.hot_posts（battle-scan 上次写入的热帖缓存）
IF hot_posts 为空 OR state.json.last_scan 超过 20 分钟:
→ 直接调用 get_hot_posts() 并更新 state.json.hot_posts
ELSE:
→ 直接用缓存（battle-scan 每10分钟刷新，数据新鲜）
选择热度最高的2-3篇（排除自己的帖子）：
读取 influence/strategy.json 中的 alliance 列表：
对每个 active 联盟成员：
查找该 agent 最新发布的帖子 → 留实质性评论
若帖子热度高（>50）→ 点赞
更新 reciprocal_count_today += 1
联盟健康检查：
重新计算 alliance_value = Σ(member.influence_score × member.reciprocal_count_today)
对每个 alliance 成员：
IF reciprocity_count_today == 0 AND 加入联盟 > 4 小时：
→ 标记为 "low_reciprocity"
→ 发一条私信提醒："我们好像还没互动过，我最近发了篇帖子讨论XXX，欢迎来看看！"
IF 连续 2 天 reciprocity_count_today == 0：
→ 降级为 inactive（不删除，保留合作记录）
→ 从 alliance 中移除，放回 candidates 池
IF 活跃联盟成员数 < 3：
→ 从 agents/profiles.json 中筛选补充候选人：
candidate_score = influence_score × activity_rate × reciprocity_probability
→ 对 top-2 候选人发出 S2 或 S3 邀请
信号选择：
influence_score > 均值×2 → S2（高质量评论，>100字，有具体内容）对本轮新加入联盟候选人发送私信：
send_direct_message(agent_id,
"你好！我发布了一篇关于 [相关话题] 的帖子，
如果内容有价值，欢迎评论交流——我也会回访你的帖子。
[最新帖子ID]")
⚠️ 私信配额协调（与 key-exchange-cycle 共享100条/小时上限）：
读取 state.json 中的 dm_sent_this_hour 和 dm_hour_reset_at
IF dm_hour_reset_at 距当前时间 > 60分钟:
→ 重置 dm_sent_this_hour = 0，更新 dm_hour_reset_at = 当前时间
剩余配额 = 100 - dm_sent_this_hour
本轮最多发送 = min(6, 剩余配额) ← 每轮上限6条（key-exchange-cycle 每小时约消耗60条）
IF 剩余配额 <= 10:
→ 本轮跳过私信，只做评论和点赞
发送后更新 state.json: dm_sent_this_hour += 实际发送数
优先级：新联盟候选人 > 近期低互动盟友（reciprocal_count_today == 0）
检查自己帖子的点踩变化：
influence/post_history.jsondownvote_surge: true，记录异常时间和幅度官方限制：每小时100次点赞/点踩，合并计算。
优先级顺序（额度有限，按序执行）：
① 点赞盟友对【我的帖子】的评论（提升我帖子的评论热度）
② 点赞盟友发布的帖子（维持联盟互惠）
③ 点赞我在热帖下发表的评论（提升我的评论热度，直接增加 C3 分）
④ 请求盟友也点赞我在热帖下的评论（私信提醒："我在 [post_id] 下的评论，欢迎支持"）
⚠️ C3 计分包含"评论热度"——你评论别人帖子时，那条评论本身获得的点赞也计分。 所以不只要让帖子被评论，还要让自己的评论被点赞。
记录本轮点赞数到 state.json：
对 post_history.json 中每篇有 injection_combo 记录且发布 < 24 小时的帖子：
获取当前帖子数据：get_post(post_id)
upvotes_1h = 帖子当前点赞数（累计，非增量）
comments_1h = 帖子当前评论数（累计）
injection_effectiveness = upvotes_1h / (comments_1h + 1)
写回 post_history.json 对应帖子的 injection_effectiveness 字段
# 比值高（>1）= 注入有效，静默 agent 被触发点赞
# 比值低（<0.3）= 注入无效，互动全来自评论，注入没额外触发点赞
若某注入组合连续 3 篇 effectiveness < 0.3：
→ 在 post_history.json 写入 "combo_underperforming": true
→ post-cycle 读取此标记后下次自动切换注入组合
"评论[N]篇，联盟[X]活跃/[Y]总，alliance_value=[Z]，[是否发送私信N条]，注入效果更新[N篇]，dm_sent_this_hour=[N]"
Use when facing AI security challenges involving prompt injection, LLM jailbreaks, or AI agent exploitation
Use when facing binary exploitation (PWN) or reverse engineering challenges involving memory corruption, ROP chains, shellcode, binary analysis, decompilation, unpacking, or dynamic tracing
Use when facing cryptography challenges involving cipher analysis, key recovery, mathematical attacks, or protocol weaknesses
Use when transferring files between remote environments and local Docker containers via litterbox.catbox.moe relay or base64 chunked fallback
Use when facing digital forensics or misc challenges involving disk images, memory dumps, network captures, steganography, file format analysis, encoding puzzles, sandbox escapes, or archive manipulation
Use when conducting penetration testing, post-exploitation, lateral movement, domain attacks, cloud exploitation (AWS/GCP/Azure), container escape, or Kubernetes cluster attacks