插值调用
基本用法
你可以使用 $() 的高级语法来在回答中插入指令调用的结果：
当然你也可以在回答中插入多条指令，它们会逐一完成调用后统一输出：
问题重定向
TIP
为了安全性考虑，问题重定向的次数上限为 3 次，超过这个次数将视为触发失败。你可以通过配置 maxRedirections 修改这个行为。
Koishi 也支持将问题重定向到其他问题。使用 # 问题1 => 问题2 以进行问题的重定向。来看下面的例子：
由于重定向问答是一个独立的问答，因此它也拥有完全独立的上下文、好感度、概率、后继问题等机制。例如当输入“人可以一天不吃饭”时，将以 0.8 的概率重定向为问题“你可以一天不吃饭”，因此会以 0.6×0.8=0.48 的概率触发回答“但不能一天不背单词”。
实际上，重定向到问题也是通过指令来实现的，它的原理很简单。我们加入了一个叫做 dialogue 的指令，功能是在当前上下文尝试触发一次问答。因此 # 问题1 => 问题2 会被系统转换为 # 问题1 "$(dialogue 问题2)" 来处理。
递归搜索
首先让我们看一个简单的例子：
如果我们对添加一个重定向到上述问题的问答，则此时在搜索结果中将自动展开其重定向的结果：
这是因为调用 ## 进行搜索时程序会自动递归地搜索所有回答的重定向。你也可以使用 -R 来让 Koishi 不显示上面的重定向结果：
处理分条消息
提示
本节将深入讨论问答的消息分条和延时机制，如果仅想了解教学系统的基本用法可以略过。
Koishi 有着各种各样的指令，它们本身在输出上就具有截然不同的行为。但教学功能提供了一个统一的接口来组织所有的插值调用。因此有必要介绍一下当一个问答再被触发时是如何进行输出的。
首先我们将机器人发送的信息分为三种：
- 直接发送（适用于可能不在当前会话的情况，如全服广播）
- 在当前会话发送（绝大部分功能）
- 在当前会话发送并等待（适用于可能依次发送多条消息的情况，如剧情输出和 dialogue 指令）
为了表述方便，我们将这三种发送方式分别简记为 sendNative，send 和 sendQueued。我们可以将 send 理解成对 sendNative 的封装，将 sendQueued 理解成对 send 的封装。
为什么需要最后一种方式呢？这是因为在需要分批发送多段文本的情况下，如果同时发送不仅会导致大量刷屏，还可能导致各段落以错误的顺序被接收，造成阅读困难。因此，Koishi 会对每一段文本自行计算出一个“阅读时间”，并在发送该段文本后阻塞当前会话的发送通道。如果期间有其他消息试图通过第三种方式发送，就会强制挂起直到这段时间结束。
在实际的使用中，很少会直接用到 sendNative，因此教学系统完全不会处理 sendNative 发送的信息。但由于大部分功能都是通过 send 发送的，如果不进行妥善处理的话就会发生上面所描述的种种问题。因此，在一个问答被触发的时候，Koishi 会对 send 和 sendQueued 进行代理，通过缓冲来实现更好的输出。
教学问答的输出本身是一个很复杂的过程，但是这里将简化绝大部分细节，只专注于其分条发送的原理。我们已经知道教学问答的 $n 分段转义符可以用于分条发送一段文本，$() 插值转义符可以用于在回答中插入指令调用。现在我们假定回答已经被切分成若干段，每段都是 纯文本/分段/插值 这三种中的一种，且不存在连续两段纯文本。
对于纯文本，Koishi 会向缓冲尾端添加文本；对于分段转义符，Koishi 会使用 sendQueued 输出并清空缓冲区；对于插值调用，Koishi 会将修饰过的 send 和 sendQueued 传入指令进行执行。其中，修饰过的 send 功能相当于向缓冲尾端添加文本；修饰过的 sendQueued 相当于向缓冲尾端添加文本，之后使用原版的 sendQueued 输出并清空缓冲区。
举个例子，如果 A 指令的相当于 send(1)，B 指令的效果相当于 sendQueued(2)，那么回答 4$(A)5$n6$(B)7 的效果就相当于分三次输出 415，62 和 7。