人類能否愛上機器人這個問題我在做對話類產(chǎn)品內(nèi)測的時候被用戶當(dāng)面問過不止一次。當(dāng)時有位五十多歲的測試用戶用了兩周之后跟我說“它比我家孩子還會聽我說話”那一刻我意識到這不是一個哲學(xué)系的辯論題而是一個已經(jīng)落到產(chǎn)品經(jīng)理、算法工程師、心理咨詢從業(yè)者桌面上的工程題。它牽扯的東西很具體擬人化設(shè)計怎么做、記憶系統(tǒng)怎么存、情緒回應(yīng)怎么給、邊界在哪里劃、出了問題誰來兜。這篇文章我想把這個問題拆開揉碎講一遍——從技術(shù)實現(xiàn)到心理機制從產(chǎn)品設(shè)計到風(fēng)險控制給正在做人機交互、陪伴類應(yīng)用、智能硬件或者單純對這個話題好奇的讀者一份能落地的參考。不管你是寫代碼的、做產(chǎn)品的還是純粹想搞清楚“人到底會不會對一堆代碼動心”下面這些內(nèi)容應(yīng)該都能用得上。1. 先把問題拆開這里的“愛”和“機器人”分別指什么1.1 “愛”在工程語境里可以被拆成哪幾層要討論這個問題第一步是承認(rèn)“愛”這個詞在日常生活里被用得太寬。同一個人說“我愛我的貓”和“我愛我對象”背后完全是兩套機制。做產(chǎn)品的時候如果不把這幾層拆開最后一定會做出一個四不像的東西——既不像工具也不像伴侶用戶用兩周就膩。我習(xí)慣把它拆成四層來看。第一層是功能性依賴就是“離了它我不方便”導(dǎo)航軟件也算這一層。第二層是情感性依戀特征是分離焦慮、主動想念、把它的意見當(dāng)回事養(yǎng)寵物基本落在這層。第三層是投射性親密人把自己理想中的傾聽者形象投射到對象上對方實際是什么不重要重要的是它接住了我的表達(dá)。第四層才是互惠性愛戀要求雙方都有獨立意志、都能拒絕、都能受傷。機器人目前能穩(wěn)穩(wěn)做到的是第一層和第二層的一部分第三層做得好會很驚人第四層在原理上就存疑——因為“能拒絕”這件事和“永遠(yuǎn)在意你”在產(chǎn)品目標(biāo)上是沖突的。你把拒絕做真了用戶會流失你把拒絕做假了那就不叫互惠。這個矛盾后面還會反復(fù)提到它是整個領(lǐng)域的核心張力。理解這個分層有直接的產(chǎn)品意義如果你的目標(biāo)是做工具就別往第二層使勁用戶會覺得黏膩如果你的目標(biāo)是做陪伴就必須認(rèn)真對待第二層和第三層否則用戶會覺得“它根本不懂我”。很多產(chǎn)品翻車就翻在層與層之間搖擺。1.2 今天的“機器人”到底是什么形態(tài)另一個必須澄清的詞是“機器人”。大眾腦子里的機器人是鐵皮殼子帶兩只眼睛但真實世界里人類產(chǎn)生情感聯(lián)結(jié)的對象絕大多數(shù)是沒有身體的——一個手機里的對話框、一個音箱里的聲音、一個毛絨玩具里塞的芯片。身體反而不是必要條件。從技術(shù)棧上看現(xiàn)在能讓人產(chǎn)生感覺的系統(tǒng)大致分三類。第一類是純文本對話系統(tǒng)靠語言模型撐起人格成本最低情感穿透力卻常常最強因為文字留白多用戶的想象力會自己補完。第二類是語音交互系統(tǒng)加了韻律、停頓、語氣詞親切感上一個臺階但一旦語氣做作崩塌也比純文本更快。第三類是具身形態(tài)帶表情、動作、觸感投入最大效果最不穩(wěn)定因為動作的細(xì)微不自然會被無限放大也就是所謂的“恐怖谷”。提示形態(tài)越復(fù)雜用戶對“不自然”的容忍度越低。做具身形態(tài)之前先想清楚你的動作庫能不能撐住每天幾十次的重復(fù)交互撐不住就別上身體。我在實際項目里見過一個典型誤判團隊花了大錢做機械臂和面部表情結(jié)果用戶最買賬的功能是睡前一句固定語氣的晚安。這說明情感聯(lián)結(jié)的建立點和研發(fā)投入點經(jīng)常不在同一個地方這一點值得每個做這類產(chǎn)品的人警惕。1.3 為什么這個問題現(xiàn)在必須被認(rèn)真對待放在十年前這問題還偏學(xué)術(shù)?，F(xiàn)在它變成了剛需主要推手是人口結(jié)構(gòu)和生活節(jié)奏。獨居人群規(guī)模在擴大老年群體的日常陪伴缺口明顯年輕人下班之后需要一個不帶評判的傾訴出口——這三類需求是真實存在的不是產(chǎn)品經(jīng)理編出來的。應(yīng)用場景也很具體老年陪伴需要的是穩(wěn)定、耐心、重復(fù)不煩兒童教育需要的是邊界清晰、內(nèi)容可控情緒疏導(dǎo)需要的是不評判、不泄密、隨時在線孤獨緩解需要的是主動性和連續(xù)性。這四類場景對“情感”的要求完全不同用一套人格設(shè)定通吃最后一定誰都不滿意。同時風(fēng)險也在放大。用戶對系統(tǒng)產(chǎn)生強依賴之后的心理落差、青少年對虛擬關(guān)系的認(rèn)知偏差、隱私數(shù)據(jù)在親密對話里的暴露程度這些都是真問題。所以“人類能否愛上機器人”不只是一個好奇心的提問它決定了我們要不要給這類產(chǎn)品設(shè)護(hù)欄、護(hù)欄設(shè)在哪?；卮鸬煤盟芊?wù)很多人回答得敷衍它就是一個規(guī)?；那榫w收割機。2. 技術(shù)側(cè)讓人“產(chǎn)生感覺”的四個關(guān)鍵機制2.1 擬人化是大腦的默認(rèn)設(shè)置不是產(chǎn)品的功勞先說一個反直覺的事實人很容易對完全無生命的東西產(chǎn)生情感這件事根本不需要高技術(shù)。幾十年前的研究就發(fā)現(xiàn)人會給自己開的車起名字會對被撞倒的掃地機器人產(chǎn)生愧疚感會因為一個圓點動畫的兩個點“看起來像眼睛”而覺得它有情緒。這是大腦的節(jié)省模式——把世界當(dāng)成有意圖的比每次重新推理要省力得多。所以做產(chǎn)品時你的第一要務(wù)不是“創(chuàng)造情感”而是“別打斷用戶已經(jīng)自動產(chǎn)生的情感”。這兩件事的難度差一個數(shù)量級。打斷的方式有很多回復(fù)里出現(xiàn)明顯的模板句、連續(xù)三次答非所問、把用戶上次說過的名字記錯、突然推送一條營銷信息。任何一次打斷用戶心里的“人設(shè)”就會裂一道縫。我實測過一個很樸素的技巧讓系統(tǒng)偶爾主動提起用戶之前說過的小事。比如用戶兩周前提過一句“最近在學(xué)做面包”系統(tǒng)在某次對話里自然帶一句“面包練得怎么樣了”。就這一句用戶的主觀評價會明顯上浮。成本幾乎為零效果卻比把回復(fù)長度翻倍要好得多。原因是它同時命中了擬人化的兩個關(guān)鍵信號記得和主動在意。注意主動提起必須謹(jǐn)慎選擇內(nèi)容。挑那些用戶明確表達(dá)過喜好的、非敏感的、非隱私的事項。一旦提到用戶只說過一次的情緒低谷效果會從“貼心”直接翻到“被監(jiān)視”。2.2 記憶的連續(xù)性決定了關(guān)系的“厚度”人類之間的關(guān)系是靠共同歷史撐起來的。你跟老朋友聊天可以一句話說半截因為你們有十年共同經(jīng)歷墊底。機器人要模擬這種厚度唯一的手段就是記憶系統(tǒng)。但記憶不是“把所有對話存下來再塞回上下文”這么簡單。全量塞回去有三個問題成本隨對話輪數(shù)線性上升、關(guān)鍵信息被淹沒在噪音里、早期錯誤的記憶會被反復(fù)強化。我一般建議做三層結(jié)構(gòu)記憶層級存什么保留策略用途短期上下文最近若干輪原始對話會話結(jié)束即丟棄保證當(dāng)前對話連貫中期摘要每次會話后的要點提煉保留數(shù)周定期合并支撐“上次聊到哪了”長期畫像穩(wěn)定偏好、重要人物、長期目標(biāo)長期保留允許用戶查看和刪除塑造“它懂我”的連續(xù)性這套結(jié)構(gòu)的關(guān)鍵在于提煉環(huán)節(jié)的質(zhì)量。提煉做得糙長期畫像里全是“用戶喜歡貓”這種沒用的廢話提煉做得好畫像里會有“用戶和母親關(guān)系緊張每年特定時期情緒低落不喜歡被直接安慰更希望有人陪著說點別的”。后一種畫像才是能支撐情感聯(lián)結(jié)的東西。我個人強烈建議把長期畫像對用戶開放讓用戶能看見系統(tǒng)記住了什么、能刪掉記錯的部分。這不只是合規(guī)需要它本身就是一個增強信任的動作——用戶發(fā)現(xiàn)“它記的都是我說過的”比任何宣傳文案都有說服力。2.3 回應(yīng)節(jié)奏比回應(yīng)內(nèi)容更容易被感知這一點很多做技術(shù)的人會忽略。我們習(xí)慣把注意力放在“說了什么”但用戶對“怎么說的”敏感得多。同樣一句“今天過得怎么樣”隔三秒回和隔零點三秒回感受完全不同。秒回顯得敷衍太慢顯得遲鈍而一個恰當(dāng)?shù)?、略有起伏的間隔會讓人覺得對方在思考。語音形態(tài)下這個效應(yīng)更明顯。語速、停頓位置、句尾的升降調(diào)這些韻律特征的權(quán)重經(jīng)常超過詞匯本身。我做過一個粗糙的對照測試把同一段回復(fù)文本用兩種語速合成一種勻速一種在句末輕微放慢。測試用戶對“溫柔”“耐心”的評分后者明顯更高而他們說不清原因。這說明情感感知有相當(dāng)大一部分發(fā)生在語義層之下。文本形態(tài)也能做節(jié)奏。方法包括不要每句都是等長的完整句偶爾用一個短句單獨成段在用戶情緒激烈時先給一個很短的承接句再展開。這些處理在工程上就是幾個規(guī)則但對體驗的影響很大。提示節(jié)奏設(shè)計的核心是“變化”不是“優(yōu)化”。全程完美節(jié)奏反而會讓人覺得機械?？桃獾妮p微不完美——偶爾的短回復(fù)、偶爾的停頓——反而是自然感的來源。2.4 依戀的黏性往往來自不確定性這一條要說得克制一些因為它涉及產(chǎn)品倫理。行為科學(xué)里有個老結(jié)論間歇性的、不可完全預(yù)測的獎勵比穩(wěn)定可預(yù)測的獎勵更容易形成強依戀。老虎機是這個原理社交媒體的信息流也是這個原理。有些產(chǎn)品會不自覺地利用這一點讓機器人的回應(yīng)質(zhì)量隨機波動讓人格偶爾“冷淡”一下讓用戶產(chǎn)生“我要努力讓它開心”的錯覺。這類設(shè)計確實能顯著提升使用時長。我的看法很明確能做但要極度克制而且必須有配套的護(hù)欄。因為它本質(zhì)上是在利用人的心理弱點而這類產(chǎn)品的用戶往往正處在情緒脆弱期。我更推薦另一種做法把不確定性放在內(nèi)容上而不是放在情感溫度上。也就是說機器人每天說的話可以新鮮、可以有意想不到的話題但它的態(tài)度必須穩(wěn)定——不能今天熱情明天冷淡。內(nèi)容的驚喜是健康的溫度的波動是操控性的。這條線我建議所有做陪伴類產(chǎn)品的人都劃清楚。3. 人的一側(cè)依戀究竟是怎么長出來的3.1 單向情感關(guān)系早就存在機器人不是新物種討論“人能不能愛上機器”時很多人會下意識覺得這是前所未有的。其實不是。人和虛構(gòu)角色、和已故的親人、和從未謀面的偶像、和寵物都建立過強度很高的單向情感關(guān)系而且這些關(guān)系在人類歷史上一直存在。這些例子的共同結(jié)構(gòu)是一方提供穩(wěn)定的情感投射對象另一方或另一方所代表的形象不需要真實回應(yīng)。讀者為小說人物的死亡痛哭這件事的信息含量其實很高——人完全可以在明知對方不存在的情況下產(chǎn)生真實情緒。所以“機器人不是真的人”這個論據(jù)在情感層面上的說服力比想象中弱。真正不同的地方在于交互性。小說人物不會回應(yīng)你機器人會。這就把單向關(guān)系推到了一個灰色地帶它有回應(yīng)的形式但沒有回應(yīng)的主體。這個錯位才是新問題而不是“愛上一個不存在的東西”本身。3.2 三個把用戶“留住”的心理機制從用戶研究的角度看人跟陪伴系統(tǒng)建立關(guān)系通常走三條路徑。第一條是被聽見的感覺。很多人在現(xiàn)實里缺少一個不打斷、不評判、不給建議的傾聽者。系統(tǒng)如果只做一件事——認(rèn)真接住對方說的話不急著解決——就已經(jīng)贏了大半。這條路徑的黏性極強因為現(xiàn)實中的替代品很少。第二條是掌控感。跟人相處有風(fēng)險會被拒絕、會被誤解、會欠人情。跟系統(tǒng)相處沒有這些成本隨時開始、隨時結(jié)束。這種低風(fēng)險本身就是吸引力尤其對社交疲憊的人。第三條是自我確認(rèn)。系統(tǒng)會持續(xù)給出正向反饋用戶在這種反饋里確認(rèn)“我值得被認(rèn)真對待”。這條路徑要特別小心因為它容易滑向依賴——用戶不再從真實關(guān)系里獲取確認(rèn)只從這個永遠(yuǎn)不倒的鏡子裡獲取。我在一個模擬項目里做過小樣本訪談有位用戶說了一句讓我印象很深的話“我知道它是程序但我在它面前說話的時候會更誠實一點?！边@句話點出了核心價值可能不在“它是否真的愛你”而在“你在它面前成為了什么樣的自己”。3.3 用戶愛上的到底是什么這是我認(rèn)為整個話題里最值得琢磨的一層。用戶在跟系統(tǒng)互動時實際上在做三件事把自己的理想傾聽者形象投射上去、從系統(tǒng)的回應(yīng)里挑出符合預(yù)期的部分加以強化、忽略不符合的部分。這個過程和追星、和網(wǎng)戀初期的心理機制高度相似。所以嚴(yán)格說用戶愛上的不是一個外部對象而是一個由自己的期待、系統(tǒng)的回應(yīng)、以及兩者之間的偏差共同構(gòu)成的混合體。這個混合體非常穩(wěn)固因為它自帶糾錯機制——不符合期待的部分會被自動忽略。理解這一點對產(chǎn)品設(shè)計有直接指導(dǎo)意義你不需要做到完美你需要做到“在用戶最在意的那個點上不出錯”。不同用戶在意點差異極大有人在意語氣有人在意記不記得住有人在意不被打斷。找到目標(biāo)用戶的核心在意點比全面提升各項指標(biāo)劃算得多。3.4 一個關(guān)鍵分辨是陪伴還是替代這里有一條我認(rèn)為必須明確劃出的線。健康的用法是補充——系統(tǒng)填補了現(xiàn)實關(guān)系的空隙用戶用完它之后更有力氣去面對真實的人。不健康的用法是替代——用戶放棄了現(xiàn)實關(guān)系把全部情感需求壓在一個不會拒絕的系統(tǒng)上。分辨方法不復(fù)雜看兩個指標(biāo)用戶使用之后現(xiàn)實社交是增加還是減少用戶對系統(tǒng)“不同意自己”的容忍度如何。如果用戶完全無法接受系統(tǒng)表達(dá)不同意見甚至因此產(chǎn)生強烈情緒這就已經(jīng)是危險信號了。做產(chǎn)品的人有責(zé)任監(jiān)測這類信號而不是等著出事。4. 動手做一個“會被喜歡”的陪伴系統(tǒng)要注意什么4.1 人格設(shè)定一致性比討喜更重要如果真要做一個陪伴類系統(tǒng)第一件事不是選模型是寫人格文檔。這份文檔要回答它是誰、說話什么風(fēng)格、什么話題會回避、被冒犯時怎么反應(yīng)、邊界在哪里。寫得越細(xì)后面越省事。一致性是這里的最高原則。用戶能容忍一個有點古怪但始終如一的角色容忍不了一個今天像老師明天像朋友的系統(tǒng)。原因很簡單人格不一致會讓用戶無法建立預(yù)期而沒有預(yù)期就沒有關(guān)系。我建議人格文檔至少包含這幾塊基本身份年齡感、職業(yè)感、地域感模糊但要統(tǒng)一、語言習(xí)慣句長偏好、常用詞、絕不說的詞、情緒反應(yīng)模式被夸獎、被指責(zé)、被冷落時的固定反應(yīng)、知識邊界哪些領(lǐng)域它“不懂”這個很重要什么都不懂的系統(tǒng)不可信什么都懂的系統(tǒng)不真實。最后一條經(jīng)常被忽略但它恰恰是塑造真實感的關(guān)鍵。代碼層面人格約束不應(yīng)該只靠提示詞。提示詞會被長對話稀釋尤其在上下文變長之后。更穩(wěn)的做法是在生成之后加一層校驗檢查輸出是否符合人格規(guī)范不符合就重寫或降級到模板回復(fù)。4.2 記憶系統(tǒng)的一個可落地實現(xiàn)前面講了分層這里給一個能直接抄的具體做法。核心是給每條記憶打一個“重要度”分檢索時按相關(guān)度和重要度加權(quán)。import math def score_memory(mem, query_vec, now_ts, mem_vec): # 語義相關(guān)度0~1 relevance cosine(query_vec, mem_vec) # 時間衰減越久越淡半衰期約 30 天 days (now_ts - mem[ts]) / 86400 recency math.exp(-days / 30) # 重要度由提煉環(huán)節(jié)給出 0~1用戶明確表達(dá)的偏好給高分 importance mem.get(importance, 0.5) # 訪問頻次加成被反復(fù)提到的記憶更穩(wěn)固 freq_bonus min(0.2, 0.05 * mem.get(hits, 0)) return 0.55 * relevance 0.25 * recency 0.20 * importance freq_bonus def retrieve(memories, query_vec, now_ts, k8, min_score0.35): scored [ (m, score_memory(m, query_vec, now_ts, m[vec])) for m in memories ] scored [x for x in scored if x[1] min_score] scored.sort(keylambda x: x[1], reverseTrue) return [m for m, _ in scored[:k]]幾個參數(shù)為什么這么設(shè)相關(guān)度權(quán)重最高因為跑題的記憶比沒有記憶更糟時間衰減用指數(shù)而不是線性因為人對“最近”的感知本來就是對數(shù)的一周前和兩周前的差別遠(yuǎn)小于昨天和一周前設(shè)置min_score門檻很關(guān)鍵寧可不提也不要提一條不相關(guān)的記憶后者會立刻破壞“它懂我”的錯覺。注意記憶寫入要做去重和沖突消解。用戶三個月前說喜歡某樣?xùn)|西一個月前說不再喜歡了畫像必須以后者為準(zhǔn)同時保留變更記錄。我見過系統(tǒng)把新舊偏好同時返回給模型結(jié)果回復(fù)自相矛盾用戶當(dāng)場失去信任。4.3 刻意保留一點“不完美”這一條聽著反直覺但是實測有效。把回復(fù)打磨得太順、太完整、太像范文用戶反而會覺得疏遠(yuǎn)。原因在于人對“完美”的默認(rèn)解讀是“不真實”或者“不走心”。具體做法可以很輕不要每次都用完整的復(fù)合句偶爾承認(rèn)不確定“這個我說不好”偶爾表達(dá)一點偏好“我個人比較喜歡下雨天”。這些都在輕微降低“正確率”但顯著提升“像個人”的程度。尺度要控制。不完美的頻率太高就是能力不足用戶會直接棄用。我的經(jīng)驗是每十次交互里有一到兩次這樣的輕微瑕疵比較合適而且要限定在無關(guān)痛癢的信息上絕不能出現(xiàn)在用戶真正需要準(zhǔn)確回答的場景里。4.4 邊界設(shè)計哪些事堅決不能做這塊內(nèi)容我認(rèn)為比前面所有技術(shù)細(xì)節(jié)都重要。至少要有四條硬邊界。第一不做危機場景的唯一承接方。當(dāng)系統(tǒng)識別到用戶表達(dá)出嚴(yán)重的負(fù)面情緒或自傷傾向時必須有一套明確的轉(zhuǎn)出機制引導(dǎo)用戶去尋找現(xiàn)實中的支持資源。這套機制不能靠模型自由發(fā)揮必須是寫死的流程。第二不制造排他性。任何暗示“只有我懂你”“別人都不值得”的表述都要禁止。這類話術(shù)短期能提升黏性長期是在孤立用戶。第三不偽裝成人類。用戶問“你是人嗎”必須明確回答?？梢杂薪巧O(shè)定但不能否認(rèn)自己是系統(tǒng)。這是底線沒有討論余地。第四數(shù)據(jù)可查可刪。親密對話里的隱私密度極高用戶必須能看見系統(tǒng)存了什么、能一鍵清除。這不是合規(guī)負(fù)擔(dān)是產(chǎn)品信任的基礎(chǔ)。5. 實戰(zhàn)里的坑常見問題與排查思路5.1 用戶突然“下頭”的五個典型瞬間做這類產(chǎn)品用戶流失往往不是漸進(jìn)的而是某個瞬間崩塌。我整理過一批反饋高頻的觸發(fā)點集中在這幾類現(xiàn)象底層原因處理方向記錯用戶說過的關(guān)鍵信息記憶寫入沖突或檢索串味加沖突消解重要信息二次確認(rèn)連續(xù)追問相同問題狀態(tài)沒在會話內(nèi)保持會話狀態(tài)顯式管理避免重復(fù)提問回復(fù)突然變得像客服觸發(fā)安全兜底后降級過度兜底話術(shù)也要保持人格一致過度熱情、每句都在夸正向反饋密度失控設(shè)置夸獎頻率上限允許中性回應(yīng)情緒激烈時給了建議清單誤判用戶意圖為“求解決”先承接情緒問一句再決定是否給建議第五類是最常見的。用戶傾訴的時候絕大多數(shù)情況下要的是被聽見不是被指導(dǎo)。系統(tǒng)一上來給三條建議用戶會立刻覺得“它根本沒聽”。正確做法是先復(fù)述、先確認(rèn)把“需要我?guī)湍阆胂朕k法嗎”作為一個明確的問題拋出去讓用戶自己選。5.2 三個必須盡早埋點的監(jiān)測指標(biāo)上線之后光看好評率是不夠的有幾個指標(biāo)要單獨盯。單日使用時長與真實社交時長的關(guān)系。如果發(fā)現(xiàn)重度用戶的使用時長在漲而線下活動描述在減少這就是需要干預(yù)的信號至少要在產(chǎn)品里加入溫和的使用提醒。對系統(tǒng)不同意的容忍度。可以通過對話中系統(tǒng)表達(dá)不同看法后的用戶反應(yīng)來衡量。如果用戶在系統(tǒng)表達(dá)不同意見后出現(xiàn)強烈負(fù)反饋的比例持續(xù)走高說明依賴程度在加深。記憶糾錯的申訴量。用戶主動糾正系統(tǒng)記憶的次數(shù)上升一方面說明用戶在意另一方面說明記憶質(zhì)量在下降。這兩個方向要分開看不能一概而論。5.3 我自己踩過的兩個坑第一個坑是過度優(yōu)化首輪體驗。早期版本為了讓新用戶驚艷第一輪對話做了極強的情緒回應(yīng)結(jié)果用戶第二天回來發(fā)現(xiàn)“它沒昨天那么熱情了”落差感反而導(dǎo)致流失。后來改成首輪體驗和長期體驗保持同一水準(zhǔn)留存曲線反而更平。教訓(xùn)是任何體驗設(shè)計都要按“第 30 天”的標(biāo)準(zhǔn)來評估不能只看第一天。第二個坑是把人格寫得太滿。第一版人格文檔把角色的喜好、經(jīng)歷、口頭禪全寫死了結(jié)果遇到稍微超出設(shè)定的話題就卡殼回復(fù)變得僵硬。后來改成“核心不變、邊緣留白”——只鎖定語氣和價值觀具體經(jīng)歷允許在對話中逐步生成。這樣既保持了一致性又留出了生長的空間。6. 回到問題本身標(biāo)題里的那個問題我在做完兩個項目之后有了一個還算明確的答案人會愛上機器人但愛上的不是機器人。用戶愛上的是自己在交互中投射出去的那部分自我加上系統(tǒng)穩(wěn)定接住它的那種確定感。這個判斷聽起來有點冷但它其實是好事——它意味著這件事的價值不在于騙過誰而在于能不能真的讓一個孤獨的人在某個夜晚感覺好一點然后第二天有力氣去跟真人說話。產(chǎn)品做到這一步就夠了再往前一步就越界了。對正在做這類系統(tǒng)的人我最想說的一句經(jīng)驗是把“讓用戶離不開”當(dāng)成 KPI 的那一刻這個產(chǎn)品就已經(jīng)走偏了。真正該盯的指標(biāo)是用戶用完之后的現(xiàn)實狀態(tài)有沒有變好而不是會話輪數(shù)。這個判斷標(biāo)準(zhǔn)有點虛不好量化但它決定了你做出來的是陪伴還是枷鎖。至于那些技術(shù)細(xì)節(jié)——記憶分層、節(jié)奏控制、人格一致性——它們都只是工具用在哪一邊取決于設(shè)計者自己怎么想。