Frustration Detection 是一项感知技能，用于从文本信号中读取用户情绪状态，并让系统在用户流失前做出适应。大多数 AI 产品把每条用户消息视为具有相同的情感权重，但事实并非如此。“Cancel my subscription.” 和 “PLEASE just cancel my subscription!!!” 应当得到不同的回应。挫败感检测就是捕捉这一信号的感知技能，使系统其余部分能够据此调整。
这项技能没有正式名称，但它位于语气校准、升级设计和优雅修复等技能背后。没有它，这些技能无法在正确时机触发。
检测信号
语言类
- 大小写变化：全大写、突然出现 “PLEASE”、“URGENT”
- 标点密度：?!?!、....、多个 !!
- 去缓冲：简短、命令式（“just fix it”、“stop”）
- 重复：同一概念跨轮次反复表述
- 脏话（轻度或强烈）
结构类
- 轮次延迟缩短（快速连续回复）
- 轮次延迟超过阈值（离开）
- 在得到回复后重新提出同一问题
- 明确要求转人工（“speak to a person”）
- 突然切换话题
词汇 / 情感类
- 负面情感词（“useless”、“annoying”、“broken”）
- 时间压力词（“now”、“immediately”、“deadline”）
- 怀疑词（“really?”、“are you sure”、“is that right”）
- 放弃词（“never mind”、“forget it”、“whatever”、“fine”）
检测应跨信号、跨轮次累积，而非依赖单一特征。
决策规则
- 一个信号是噪声，两个信号构成模式。不要对单条全大写消息采取行动；当全大写加上重复出现时再行动。
- 如果挫败感上升，且 AI 已经尝试修复过一次，则升级。不要尝试第三次换说法。
- 紧迫但无挫败感 ≠ 挫败感。加速即可，不要改变语气。
- AI 长回复后的长延迟是离开，不是深度阅读。保存状态，提供重新参与的机会，不要继续。
- 静默适应。不要点明情绪。“I sense you're frustrated” 显得居高临下。降低确定性、放慢节奏、提高温度——但体现在行文中，而非元评论中。
反模式
- 表演式情绪镜像：“I'm so sorry to hear that!” 在规模化场景下读起来像脚本。
- 要求用户确认其状态：“Are you frustrated?” 用户是来寻求帮助的，不是来被分析的。
- 一次性检测：单一信号触发完整的共情连锁反应。检测必须累积。
- 检测后不行动：读取信号后继续同一套流程，使检测沦为表演。
- 过度共情：一句话加一个修复就能解决的事，却写两段验证。挫败的用户没有带宽承受温暖。
何时不使用
- 事务型界面（搜索框、代码补全）——没有对话漂移可读。应改用反馈循环。
- 首轮冷启动——检测是相对的，需要基线。将首轮信号视为描述性而非诊断性。
- 已有明确反馈控件的产品（点踩、“this isn't helping”）——用户已有控制权，不要额外附加推断。
相关技能
- tone-calibration——检测到信号后该做什么：降低确定性、放慢节奏、提高温度。
- escalation-design——挫败感是已记录的升级触发条件之一；本技能用于检测该触发条件。
- feedback-loops——处理关于输出质量的环境信号的近亲；本技能处理关于用户状态的环境信号。
- harm-anticipation——当挫败感滑向痛苦（危机标记、脆弱性）时，通过伤害预判进行升级处理。
设计产物
挫败感评分卡，按会话累积计分：
| 信号 | 权重 |
|---|---|
| 全大写消息 | +2 |
| 脏话 | +3 |
| 重复提问（第 3 次及以上） | +2 |
| !! 或 ?? 标点 | +1 |
| 明确要求转人工 | +5 |
| 放弃词（“forget it”） | +3 |
| 长延迟（AI 回复后超过 3 分钟） | +2 |
升级阈值：5。语气转变阈值：2。
示例：
- 第 1 轮：“hey can you help me cancel my order” → 0
- 第 2 轮：“the cancel button isn't working” → 0（问题陈述，非挫败感）
- 第 3 轮：“i've tried 3 times PLEASE” → +4（全大写、重复、“please”）→ 得分 4 → 语气转变
- 第 4 轮：“this is USELESS” → +2（全大写）+3（负面情感）→ 得分 9 → 升级
其他产物：
- 按产品基线：最近 1000 次会话的平均挫败感得分；偏离 2σ 时告警
- 按产品校准延迟阈值（聊天支持：30 秒为参与 / 2 分钟为离开）
- 测试场景：顺利路径、缓慢上升、突然飙升、静默离开、恢复（修复后得分中途下降）
改编自对话系统中情感计算的研究（Picard；Bickmore 关于情感对话智能体的工作）。