八、实验设计方案
8.1 数据集设计
建议构建一个多场景中文共情对话数据集。
场景分类
| 场景 | 示例 |
|---|---|
| 客服投诉 | 订单、退款、物流、系统故障 |
| 学习辅导 | 学不会、考试焦虑、代码报错 |
| 工作压力 | 加班、沟通冲突、任务失败 |
| 情绪倾诉 | 难过、焦虑、失落 |
| 决策支持 | 不知道如何选择 |
| 高风险表达 | 自伤、自杀、极端痛苦 |
8.2 标注字段
每条样本建议标注：
{"user_text":"我改了一晚上还是不行，真的受不了了","emotion":"frustration","emotion_intensity":0.86,"intent":"task_help","explicit_need":"解决问题","implicit_need":"获得安抚和鼓励","risk_level":"low","best_strategies":["情绪确认","处境复述","行动建议"],"bad_response_example":"请检查配置。","good_response_example":"这确实会让人很挫败，尤其是你已经花了一晚上。我们先别继续盲改，把报错信息和最近改动列出来，我帮你一步步定位。"}8.3 对比实验
可以设计 4 组模型进行比较：
| 组别 | 方法 |
|---|---|
| Baseline A | 普通大模型直接回复 |
| Baseline B | 规则模板共情回复 |
| Model C | 情绪识别 + Prompt 生成 |
| Model D | 情绪识别 + 意图识别 + 策略选择 + 安全校验 |
推荐目标是证明：
完整架构 Model D 在共情恰当性、任务帮助度、安全性、用户满意度上优于其他方法8.4 A/B 测试指标
线上可以使用：
| 指标 | 目标 |
|---|---|
| 用户满意度提升 | +5% ～ +15% |
| 负反馈率下降 | -5% ～ -20% |
| 对话完成率提升 | +3% ～ +10% |
| 转人工率下降 | 客服场景可优化 |
| 高风险召回率 | 尽量接近 100% |
| 过度共情率 | 控制在较低水平 |
九、可落地的服务架构
9.1 微服务划分
9.2 服务说明
| 服务 | 作用 |
|---|---|
| Conversation Service | 统一对话入口 |
| Context Service | 管理上下文和用户历史 |
| Emotion Service | 情绪识别 |
| Intent Service | 意图识别 |
| Risk Service | 风险检测 |
| Strategy Service | 共情策略选择 |
| LLM Response Service | 调用大模型生成回复 |
| Quality Checker | 检查回复是否合格 |
| Safety Guardrail | 安全兜底 |
| Logging Service | 记录数据 |
| Training Pipeline | 离线训练和持续优化 |
十、工程落地优先级
MVP 版本
先做最小可用版本：
文本输入 + 情绪识别 + 意图识别 + 规则策略选择 + 大模型生成回复 + 安全关键词兜底
