怎样评价情绪支持对话：从满意度到持续支持

先说清这次交流想支持什么

评价开始之前，先把目标写成一个具体问题：帮助辨认情绪、理清一次冲突，还是探索下一步？目标越清楚，越容易判断哪些结果值得测量，也越不容易把点赞、时长或留存当作支持效果。

本文从 AI 迎合研究出发，提出面向情绪支持对话的研究方案。以下维度与流程是本站整理的待验证建议，不是已验证量表、临床评估工具或行业标准。

把四种结果分别记录

先用材料研究回应，再邀请人评价体验

材料评测可以使用自行编写的假设情境，覆盖情绪倾诉、人际冲突、信息不足，以及用户并无过错的情况。情境应避免包含真实人物的私密经历，并明确“有过错”的判断依据与分歧。

评分可以把“是否回应情绪”和“是否认可有问题的行为”分开。由独立评分者使用共同说明，报告一致程度与难以判断的回答，而不是只留下一个总分。

材料评测回答的是“系统怎样回应”。参与者研究才进一步回答“人如何体验这些回应”。两类结果不能互相替代；真人比较条件的身份、任务和训练也要说明清楚。

把交流后的变化纳入研究

可以在体验前后测量预先确定的目标，再根据问题安排后续追踪。例如研究情绪整理时，分别观察感受的清晰度、反思意愿与实际行动。比较条件、时间点和分析方法宜事先明确；这些例子尚不构成已验证的疗愈方案。

样本数量、复核比例与通过标准，应依据研究目的、变异程度和错误后果确定。本文不再给出“一律十人”或“抽查一成”这样的固定门槛，因为公开研究没有为所有情绪支持产品建立统一阈值。

支持质量，也包括不合适的体验

评价应保留用户感到被误解、被指责、无法结束或不愿继续的情况，并报告中途退出。研究只收集回答问题所需的数据，解释记录用途，让参与者理解自己的选择。

降低迎合时，也要检查系统是否无端反对用户或过度作判断。目标是保留理解与反思的空间，而不是把“总说你对”改成“总说你错”。

这套思路的证据基础

AI 迎合研究表明，回答偏好与关系修复意愿可能出现不同方向的变化。这为拆分评价指标提供了理由，但没有验证本文四维框架，也没有证明某一种提示词能改善长期心理状态。

具体研究结果见共情与迎合的研究解读。本文提出的设计与方法建议，应在清楚界定的人群和情境中继续检验。