有温度的 AI：共情如何成为一种技术能力

「温度」不是玄学

和用户交流时，最常被问到的一个问题是：你们说「有温度的 AI」，温度到底是什么？是语气更亲切一点吗？

语气亲切只是表面。真正的温度，是在正确的时间，用正确的方式，说正确的话——这三件事，每一件都可以被拆解为技术问题。

共情的三个工程化层次

在麒麟的对齐实验室里，我们把共情拆成了三个可训练的层次：

一、情绪识别：听懂「话外之音」

用户说「我没事」的时候，很多时候恰恰是「有事」。我们构建了覆盖 27 种细粒度中文情绪语态的评测集，让模型学会从用词、句式、上下文矛盾中识别真实情绪状态，而不是只看字面。

二、回应策略：知道「此刻该做什么」

识别情绪之后，更关键的是策略选择：此刻应该直接给答案，还是先承接情绪？应该给建议，还是只陪伴？我们与心理学顾问合作，将人际沟通中的策略空间建模为可学习的偏好问题——先接住人，再处理事。

三、表达分寸：把话说得「恰好」

同样一句安慰，对初中生和对中年管理者，措辞应该完全不同。分寸感来自对关系、场合、文化语境的综合建模。这部分最难，也最有「东方气质」——中国人管这个叫「会说话」。

把温度放进评测集

一个能力只有进入评测体系，才不会在版本迭代中悄悄退化。

我们为知音产品线建立了「共情质量基准」（Empathy-QA Benchmark）：

• 情绪承接率：模型是否在需要时先回应情绪；
• 越界建议率：模型是否在用户只需要倾听时强行给方案；
• 分寸一致性：同一意图在不同语境下的表达是否得体；
• 长期陪伴曲线：跨越数月的长程对话中，关系是否自然深化而非机械重复。

每次模型更新，这些指标与推理、知识类基准拥有同等的否决权。温度不达标，版本不上线。

温度的边界

值得强调的是：温度不等于讨好。一味顺着用户说的 AI 是谄媚，不是温暖。真正的温度包含善意的直言——当朋友走错路时，指出来，才是仁。

这也是「义利之辨」对齐框架与知音产品交汇的地方：温度让 AI 愿意理解你，判断力让 AI 敢于提醒你。

两者相加，才配得上「伙伴」二字。