聊天机器人对话设计

很多聊天机器人在原型阶段看起来很顺，一旦进入真实对话就会频繁翻车：用户输入含糊、话题中途切换、异常路径缺少出口，机器人要么硬答，要么把对话推进死胡同。这个技能的价值在于把对话当作可设计、可测试的工程产物，而不是一串临时拼凑的提示词。

它解决什么问题

• 用户表达不完整或歧义时，机器人如何继续推进，而不是直接失败
• 多轮对话中上下文该保留什么、重置什么，避免重复询问或错误沿用
• 异常路径（低置信度、无法识别、用户情绪波动）如何设计恢复路径
• 高风险动作（取消、支付、删除）如何在执行前完成确认
• 不同平台（Web、Slack、WhatsApp、语音）的消息限制如何适配

技能如何工作

• 定义范围：先建立机器人人格和行为边界（语气、词汇、emoji 规则、升级触发条件），明确它能做和不能做的五件事，而不是宣称能做五十件。
• 映射意图与实体：将主任务意图（如 order.place）和元意图（如 help、cancel、speak_to_human）拆清，并列出每个意图需要收集的槽位。
• 设计澄清与确认：为模糊输入设计澄清提示；为高风险动作增加确认步骤；通过 slot-filling 确定必填/可选槽位和提问顺序。
• 实现错误恢复：按三级回退组织流程：先请用户改写问题；两次仍不清时提供受限选项；仍无法恢复则带上下文转人工，避免对话死路。
• 上下文与状态管理：明确哪些槽位跨轮保留、哪些在任务间重置；用状态栈支持中途换题后再回到原流程。
• 原型、度量与迭代：用脚本或工具（如 Botmock、Voiceflow、Dialogflow CX）快速搭低保真原型，关注任务完成率、平均解决轮次、回退触发率和转人工率，优先迭代最弱流程。

适用边界与注意点

• 该技能用于设计、审计和改进对话流程，不会自动替你接线调用接口或读取范围外资料；默认先给出分析、方案、草稿或检查清单。
• 使用前需要你提供机器人目标、目标用户、需支持的任务清单与运行平台，信息缺口应被标记并确认，而不是用猜测填补。
• 对删除、支付、发布等写入操作，必须在执行前展示目标、内容和影响并取得明确确认；涉及敏感凭据时不要在对话中回显或写入交付物。
• 多意图输入、矛盾信息、用户情绪等边界场景需要显式处理；不同平台的消息长度与按钮能力差异明显，应按平台限制设计自适应流程。