闪购 Agent 情感设计探索

淘宝闪购 AI Agent 的情感化探索揭示了一个关键问题：仅靠语气切换远远不够。从价值观、情感承接策略到语气风格，团队用三层设计重新定义 AI 如何理解情绪、回应需求。这套方法能否让 AI 真正像人一样沟通？

在淘宝闪购 AI Agent 的一期探索中，我们上线了「清爽高效」「轻松自然」和「灵光风趣」三种对话语气，用户可以按自己的偏好手动切换。

上线后，我们实际体验了一下，发现在很多场景仅靠语气调整的情感化，还不足以让用户真正感觉产品的情感体验做得好。

01 语气之外，还需要定义什么

带着这个问题，我们调研了市面上十多个竞品，包括通用的 Chat AI 、垂直行业 AI 以及一些硬件/车机产品，去看看目前竞品在哪些部分有体现情感化，实现更像人一样沟通，都在哪些地方进行了相应的定义。

把回应用户情感的原则写进价值观

为应对 AI 输出的不确定性，越来越多产品会确定一套“价值观”。主要定义了Agent如何做选择、如何表达，并融入对用户情感体验的关注，让AI的行为和输出更加稳定。

垂类AI侧重结合业务场景，提供「解决途径」

通用AI产品在面对用户的情绪问题时，会给出更加完整的原因分析、比较通用的行动建议。而垂类AI产品会将这类问题引导到自己的业务域，引导用户使用产品功能来提供解决途径。

识别用户情绪，自动切换承接策略

垂类 AI 产品的任务驱动性更强，用户的核心诉求是“帮我快速完成任务”，这些情况下单纯切换语气不足以真正实现情感化。这不代表语气不重要，而是说明语气的体验需要建立在好的承接策略之上。

结合调研发现和闪购用户“高频、即时、目的明确”的点餐特点，我们尝试从价值观、情感承接策略、语气风格三层展开，探索如何对待用户、怎样提供帮助，以及具体如何表达。

02 价值观：关心也要有分寸

对闪购来说，价值观要帮助我们判断一个具体问题：关心用户，该做到哪一步？

比如用户说“压力好大，我要点三人份炸鸡再加一大瓶可乐”。直接推荐商品，可能忽略了用户的处境；劝少点一些，又可能判断错了——也许是几个人一起吃。关心需要有依据，也要尊重用户的选择。

为拿捏其中的分寸，我们先梳理服务边界，判断 AI 能提供什么帮助：关心围绕眼前的生活需求展开，不假装自己是朋友或心理顾问，也不承诺做不到的事。再看用户提问和投诉反馈，了解他们在点单、等餐、售后时在意什么，需要怎样的帮助。结合这两部分，我们先提出一版价值观，为后面的服务和表达提供共同原则。

03 情感承接策略：理解情绪后，怎么帮用户

有了共同原则，还要把它用在具体对话里。我们参考心理学中的“情绪行动预测理论”，从情绪与动机、行为的联系得到启发，尝试按“分析情绪 → 理解需要 → 调整服务”展开：结合措辞、标点、上下文和实际点餐状态，理解用户为什么产生这样的情绪、希望获得什么帮助，再调整回应和处理方式。

我们尝试在 AI 回复生成前引入这套流程，用真实 Query 试跑。比如用户连续追问“这都几点了还没到！！说好的半小时呢？”，结合用户措辞和订单状态，我们推测他既想知道配送进度，也不满被复验对待。因此，回复从引导查看订单，调整为先回应焦急的情绪、表达歉意，再说明已知情况和风险补偿。

04 语气风格：把“怎么说”变成具体规则

一期，用户可以手动选择语气风格。但从点餐到等餐、售后，用户的情绪会随之变化，同一种语气也需要有不同的表达。我们希望 AI 能在用户选定的风格下，根据情绪和场景主动调整语气，保留熟悉的特点，也照顾当下的感受。

我们借鉴文体学中的“风格标记”思路，从字符、词汇、句法、结构、语义和应用特定特征，六类可量化文本特征入手，将语气细化为标点使用频率、用词偏好、句式选择、信息组织等要求，规定哪些表达习惯保持稳定，哪些随场景调整。

同样推荐咖喱猪排饭，「欢快积极」用“开吃啦！”这样的口语短句带动气氛，「沉稳可靠」则先给结论，再用完整的句子介绍餐品搭配。两版的价格和预计送达时间相同，语气差异来自用词、句式和信息顺序的不同组合。

我们尝试将这些组合写成 AI 可以遵循的表达规则，为不同场景下的语气调整提供依据。表达方式可以变化，餐品、预计送达时间和价格等业务信息保持一致。

05 试跑与验证

前面，我们初步定义了 AI 应该遵循的原则、如何回应用户的情绪，以及怎样调整语气。接下来，我们想看看这些设计能不能体现在实际回复里。

快速试跑

试跑时，我们需要频繁改规则、看回复，所以先用 Prompt，也就是给 AI 的回复指令。我们把价值观、情感承接和语气要求分开写，方便逐项调整和复测。后续再结合试跑结果和业务需求，评估 Skill 封装、模型训练等实现方式。

建立评分标准

为检验实际回复是否符合设计预期，我们尝试结合固定测试题与统一评价标准：围绕问题解决、情绪疏导、关系维护、信息补充四方面，初步整理了十二项检查内容，后续让不同版本在相同业务条件下回答同一组问题，再按标准比较。

不同场景的评价各有侧重：普通查询看信息是否清楚，投诉还要看解释和后续处理，避免把“说得亲切”当成“解决了问题”。

搭建自动化批量测试流程

随着规则和测试题增多，靠人手动改 Prompt、逐条测试、反复比较，效率低，也难以持续。我们希望借助 AI，减少这些重复操作，让测试结果进一步指导修改。

我们尝试将回复生成、批量评分和版本比较串成自动化流程，再由人检查结果、调整指令，减少重复测试。分数变化用于辅助比较，实际体验还要结合真实使用来判断。

写在最后

这次探索，让我们的工作从写回复、做示例，延伸到写规则、建测试流程，也需要更早地和技术一起讨论怎么实现。语言学、心理学给了我们新的思考角度，帮助我们判断回复有没有回应情绪、关心得是否合适、有没有提供实际帮助。接下来，我们会继续在更多真实场景中试跑，结合反馈不断调整。