定制情感支持：个体如何构建和与LLM驱动的聊天机器人互动

研究背景与问题

• 发现的问题或挑战：

  • 心理支持需求多样化：许多个体因缺乏情感支持而严重影响心理健康，有些人需要倾诉，有些寻求理解，还有些渴望陪伴或实际指导。然而，当前心理支持系统尚未充分探讨如何通过量大语言模型（LLMs）定制化满足人们的个性化心理支持需求。
  • 个体化定制的缺乏：现有研究更多关注通过LLM模拟心理健康专业人士或用于情感支持的常规应用，但关于用户如何借助LLMs的“可定制性”来设计适合其独特需求的对话式代理的研究较少。
  • 非语言属性的局限：当前的LLM研究主要关注文字输出的调整，对其他属性（如声音、头像）的探索和对情感支持效果的影响尚不充分。

• 重要性：

  • 量身定制的心理支持有助于满足个体化需求并促进心理健康。
  • 定制化能够增强用户的主动性，让用户表达需求并获得个性化关怀。
  • 当前的研究空白使得构建面向个体情感支持的LLM-powered对话式代理成为一个亟待解决的方向。

• 研究动机与相关工作：

  • 研究驱动力来源于LLMs对大规模自然语言处理和生成逻辑的提升，为用户定制聊天机器人创造了契机。
  • 类似研究包括：Character.AI等平台帮助用户为聊天代理定制预定义角色，但依赖菜单化选项，缺少动态交互与更灵活的定制可能性。

解决方案

• 提出的方法或解决方案：

  • 开发了一个叫做ChatLab的原型系统，旨在让用户创建能够提供情感支持的LLM驱动的聊天机器人。
  • 在ChatLab中，用户可以定制聊天机器人的各种属性，包括文字提示、声音、头像设置，以及交互模式。

• 创新之处：

  • 通过文字编辑、声音和头像选择等多样化定制选项，提供了比传统选项更高的灵活性，允许用户构建复杂的心理支持机器人个性。
  • 鼓励用户主动参与定制，而不是被动选择预设选项，增强了用户在设计上的主动性和创造性。
  • 在LLM定制的过程中融入多个社交线索（如非言语表达），以加强与用户的情感链接。

• 实施步骤和关键技术：

  • 设计四大功能模块：聊天定制化界面（输入描述与期望）、额外设置（声音、头像）、对话窗口，以及会话历史记录。
  • 基于Prompt机制，允许用户通过自然语言对机器人输出进行指导。
  • 引入“AI打磨功能”帮助用户组合更高效的Prompt，并支持语言模型的实时调整。
  • 使用Streamlit和LangChain等技术来实现动态交互，并以Firebase存储所有数据。

研究成果

• 具体成果：

  • 参与者在ChatLab系统中创作了118个独特的机器人角色，角色类型包括朋友、爱人、心理咨询师、哲学家等。
  • 使用了不同的声音和头像设置来加强机器人角色的个性化体现，打造更为丰富和多样的对话体验。
  • 调查显示，参与者借助这些定制过程，能够探索内心想法，表达复杂情绪，同时改善心理状态。

• 与现有解决方案对比的优势：

  • 提供了更灵活、细致的定制选项（如声音、视觉、Prompt），使得用户创建更加多样化的机器人。
  • 定制过程不仅限于技术功能，还涉及心理层面的探索和反思，有助于用户自我发现与成长。
  • 丰富了人机互动的社会线索，提高支持工具的情感连接和用户体验。

• 实验或评估结果：

  • 在参与者定制期间，收集到1541轮对话和178个会话记录。
  • 使用嵌入式日记跟踪体验，结果显示，道具设计对反映用户情感过程和触发设计灵感起到了促进作用。
  • 参与者反馈表明，他们希望聊天机器人在未来可以更加智能，能够结合数码痕迹（如社交媒体活动）或身体状态，提供更为主动的支持。

• 局限性与未来方向：

  • ChatLab当前缺乏与语音输入、精细化头像构建和图像生成模型的集成，未来研究可探索这些机会。
  • 样本局限于亚洲文化背景，未来需扩大至多元文化样本以研究定制和情感支持需求的跨文化差异。
  • 长期的心理健康影响尚未明确，需要进一步研究调查其对孤独感和情绪波动的改善效果。

通过这项研究，作者展示了LLMs驱动的聊天机器人在情感支持中的潜力，同时挖掘了用户如何通过自定义来探索和表达复杂情绪的动力。