情绪急救箱

要解决的问题

用户在与大模型对话时，经常会抛出带有强烈情绪色彩的内容：工作压力、人际关系困扰、突发的焦虑或失落。多数通用模型的默认回应是给建议或讲道理，但人在情绪激动时很难听进去建议。

这就产生了一个具体的工程问题：如何在对话链路里插入一个轻量、可复用的情绪干预层，让模型先识别情绪状态，再决定回复策略，而不是直接进入「解决问题」模式。

工作方式

emotion-first-aid 作为一项大模型技能，核心能力可以拆成三个阶段：

• 情绪识别：从用户的输入文本中判断当前的情绪类型与强度，例如愤怒、焦虑、低落或疲惫。
• 优先级切换：检测到中高强度负性情绪时，先执行情绪安抚，而不是立即给出方案。
• 分级响应：低强度情绪走简短共情回复；中高强度情绪走结构化的安抚话术，并在必要时建议线下专业求助。

整个流程通过技能提示词调度，不需要额外引入第三方服务，模型只需按 SKILL.md 中定义的流程执行即可。

适用边界与注意点

• 它是对话层面的情绪支持，不是心理咨询，也不是心理治疗的替代品。
• 当用户出现自伤、自杀等危机信号时，技能的安抚话术不足以应对，应明确建议其联系专业机构或热线。
• 情绪强度的判断依赖文本信号，语音或多模态场景下可能需要额外的输入层配合。

适用场景是日常对话中的情绪困扰初步响应，而不是专业心理干预工具。