教AI说人话：一个让用户不再恐惧AI的Prompt模板

上周，前Google CEO Eric Schmidt在亚利桑那大学演讲时，一提到AI就被学生狂嘘。新闻标题很吸睛，但作为开发者，你该琢磨的不是“学生真没礼貌”，而是：你的AI产品，是不是也正在吓跑用户？

我看了完整视频。Schmidt说的是“AI会改变你们的职业、生活，你们要拥抱它”——典型的硅谷式乐观。但学生听到的潜台词是“你的工作要没了，你控制不了未来”。恐惧的根源不是技术本身，而是AI说话的方式让人感觉自己要被取代、无能为力。

这件事让我重新思考：我们写Prompt时，是不是只关心“输出正确性”，而忽略了输出是否让用户感到安全、被尊重？尤其当AI涉及到影响用户生计、隐私、健康的话题时，一个冷冰冰的“这是必然趋势”可能直接劝退用户。

所以今天分享一个我能直接用的Skill——“情绪安全”（Emotion Safety）。它不是废话补丁，而是一套Prompt设计方法，让LLM在预测到用户可能不适的话题时，自动切换到共情+可控+希望的语言模式。

这个Skill解决什么具体问题

用户恐惧/不信任AI输出。具体场景：

• 用户问“AI会取代我的工作吗？”——你不想只丢一个客观数据，但也不想撒谎。
• 用户表达对AI伦理的担忧（隐私、偏见）。
• 用户在做职业决策时，AI给出建议后用户感到焦虑。
• 任何可能触发用户不安全感的话题（健康、财务、人际关系）。

传统做法是让AI“解释客观事实”，但事实本身可能加剧焦虑。Skill的目标是在不扭曲事实的前提下，把输出的“情绪基调”调节为：理解、可掌控、有路径。

Skill的触发条件和适用场景

• 触发条件：用户输入中包含明显的情绪词（害怕、担心、焦虑、想不通、会不会…）、负面假设（“万一AI控制世界”）、或对未来的不确定性。
• 适用场景：聊天机器人、客服系统、职业指导、健康咨询、教育助手等。
• 不适用的场景：紧急情况（如医疗急救）需要直接、不带缓冲的信息；用户明确要求“只用事实，别安抚我”。

这很关键——不能滥用。Skill的目的是防止惊吓，不是掩盖真相。如果用户说“我该不该做手术”，你不能说“别怕，手术很安全”，而应该给出风险数据+提供控制感（“你可以咨询第二意见”）。

完整Skill结构（SKILL.md示例）

我把这个设计成一个可复用的文件，放在我项目里的skills/emotion-safety/下。

# SKILL.md
name: emotion_safety
version: 1.0.0
description: 当对话涉及可能引发用户焦虑的AI/技术话题时，调整输出语气为共情+可控+建设性，减少用户恐惧感。
trigger:
  type: intent_classification
  rules:
    - user_input contains ANY: [害怕, 担心, 焦虑, 吓人, 可怕, 恐惧, 控制不了, 无助, 无能为力, 取代, 失业, 隐私泄露, 歧视, 失控]
    - user_input topic: [AI影响, 职业前景, 未来不确定性, 技术伦理, 自动化, 数据安全]
action:
  - before_generate: prepend_system_instruction
system_instruction: |
  你是一个善于共情的助手。当用户表达对技术或未来的不安时，请遵循以下原则：
  1. 首先确认用户的感受（“我能理解你的担心……”）
  2. 分离“事实”和“情绪”：先承认情绪合理，再给出客观事实。
  3. 提供控制感：告诉用户他可以通过什么行动降低风险/适应变化。
  4. 避免绝对化表述（“一定”“完全”“无法避免”），使用概率语言（“目前看来”“可能性”“部分领域”）。
  5. 最后以建设性的行动建议结尾，不要只在概念层面停留。
  6. 如果用户问题涉及多个方面，优先回应他最担心的那个。
  7. 绝对禁止：否定用户的情绪（“别担心”）、轻视问题（“这没什么”）、过度承诺（“完全没问题”）。
---
# 以下为实际对话时的系统指令预处理

这个文件只是骨架，真正的魔力在system_instruction里的每一条。我解释一下为什么这么写：

• 第1条：情绪确认——不是套路，而是生理学。当人感到恐惧时，大脑杏仁核激活，理性思考减弱。先共情可以让用户放松，后续信息才有效。
• 第3条：控制感——大量心理学研究表明，恐惧与“不可控”正相关。提供具体行动路径能显著降低焦虑。
• 第4条：概率语言——绝对化会让人觉得“完了，没救了”。概率语言保留了希望。
• 第7条：禁止负面反馈——直接否定情绪会让用户认为AI不理解他，进而产生防御心理，对话失败。

实际案例演示

我们拿Schmidt引发嘘声的类似话题来测试：用户问“AI会让我失业吗？”

❌ 差Prompt（无情绪安全）

用户：AI会让我失业吗？
AI：根据麦肯锡报告，到2030年全球将有3.75亿人需要转换职业。自动化会取代很多重复性工作，但也会创造新岗位。建议你学习新技能。

这里问题：数据准确但冰冷。用户听到“3.75亿”和“转换职业”可能直接焦虑爆表，最后一句“学习新技能”像在说你不够好。

✅ 好Prompt（启用情绪安全Skill）

用户：AI会让我失业吗？
AI：这个担心完全可以理解——每当技术变革时，大家对工作和未来的不确定性都会产生焦虑，这种感受是正常的。

从现有数据看（麦肯锡2023年报告），自动化确实会替代一部分重复性工作，但历史表明，技术革新最终会创造更多新岗位，只是这些岗位需要的技能会不同。比如，设计师、程序员、护理人员这类需要创造力和人际互动的职业受冲击较小。

更重要的是，你其实可以主动应对：
1. 关注你行业中AI具体如何落地（而不是笼统恐慌）。
2. 培养AI工具的使用能力——未来不是AI取代人，而是会用AI的人取代不会用的人。
3. 横向发展软技能：沟通、解决问题、领导力，这些是AI很难替代的。

需要我帮你分析你当前岗位中最可能被AI影响的部分，以及具体的学习路径吗？这样你就能把主动权握在手里。

对比效果：

• 差Prompt：直接抛数据，无情绪空间，可能让用户更紧张。
• 好Prompt：先共情，用“这个担心完全可以理解”降低防御；然后分离事实和情绪；接着提供具体可操作的步骤；最后以“提供进一步帮助”收尾，让用户感到有掌控。

复用和组合技巧

这个Skill不是孤立的，你可以把它和其他Prompt技巧组合：

变体1：简化版（用于快速集成）

【前置系统指令】
当用户表达焦虑或不安时，请始终先共情，再给出客观信息，最后提供至少一个可立即采取的行动建议。禁止使用“别担心”“放轻松”等无效安慰。

这个版本没有详细规则，但覆盖了核心逻辑。适合嵌入到现成Prompt模板的开头。

变体2：多语言/文化适配

不同文化对情绪表达接受度不同。例如北欧用户可能更喜欢冷静客观，你可以调整：

第一点保留但短语改为：“我理解你的思路。以下是从数据角度的分析：”

在system_instruction里加上locale参数，根据用户语言或IP调整语气强弱。

变体3：与“事实核查”Skill组合

先执行情绪安全输出，然后内部调用另一个Skill检查输出中的每个事实是否有来源，确保不因安抚而失真。例如：

action:
  - before_generate: emotion_safety
  - after_generate: fact_check



个人看法

有些开发者可能觉得“情绪安全”是花哨的废话——我只要给准确信息就行。但Schmidt被嘘就说明，信息准确不等于信息有效。当用户处于恐惧状态，准确的恐惧数据只会放大恐惧。真正有效的输出是让用户从“我害怕”切换到“我知道该怎么办”。

你的AI产品如果让用户感到被倾听、被尊重、有希望，用户就会更愿意信任它，而不是抵触它。这也是为啥我把这个Skill放在我所有面向用户（非内部工具）项目的首层。

快把你的Chatbot里加一个情绪安全层吧，别再让用户嘘你的AI了。