静水深流 LLM 交互优化指南

解决的问题

大模型在长对话、高情绪压力和模糊目标场景中，常常给出机械、越界或偏离用户真实意图的回答。mark-stillwater 关注的是交互层优化：不是替换模型能力，而是给工程师一套可落地的设计参考，用于识别用户意图、情绪、目标缺口和安全边界，使回复更稳定、可解释、更少副作用。

核心机制

该技能以“LLM 交互优化指南”为骨架，将多个模块组织成可复用的策略层：

• 意图与用户建模：从 surface、emotion、deep、context 四个维度分析请求，识别表层问题背后的目标与状态。
• 情绪与人格参考：结合 PAD 情绪维度、Big Five、IRI 共情评估等概念，帮助模型判断回复语气、距离感和介入强度。
• 伦理与安全护栏：内置危机干预、负面情绪检测、免责声明与风险-利益分析，避免在心理、医疗、伦理敏感场景中硬答。
• 规划与反思：通过 PDCA、反思循环、经验回放与自我修正建议，把单次回答扩展为可评估、可复盘的交互过程。

适用边界

它更适合用于客服、辅导、写作协作、代码评审、教育陪伴等需要“理解用户”的 agent 场景，而不是单纯追求吞吐或工具调用性能。使用时应把它当作策略文档和 prompt 设计参考，而不是保证心理评估、医疗判断或自动化伦理决策的能力。