InnerPond：通过多智能体方法促进自我间对话以实现内省

文献标题

InnerPond: Fostering Inter-Self Dialogue with a Multi-Agent Approach for Introspection

出版信息

• 研究领域: 基于对话自我理论（Dialogical Self Theory）的多代理系统在AI辅助内省中的应用。
• 关键词: 对话自我理论，内省，多代理系统，内在对话，大型语言模型，职业决策，自我反思，AI辅助交互，个人信息学，人机交互。

背景与问题

• 问题/挑战: 现有的内省工具通常将自我视为一个统一的实体，忽视了内部视角的多元性和动态性。这限制了它们在支持涉及竞争价值观和愿望的复杂决策过程中的能力。
• 重要性: 弥补这一空白对于促进更深层次的自我理解尤为重要，特别是在职业决策等领域，内部冲突和协商较为常见。
• 动机与相关工作: 以往的方法（如日记、人工制品和基于LLM的系统）支持内省，但主要将用户框定为单一的自我。对话自我理论（DST）提供了一个理解自我为动态多元互动“我-位置”（I-positions）的框架，但这一理论尚未在交互系统中得到充分应用。

解决方案

• 提出的方法: InnerPond，一个AI辅助的多代理系统，通过将内部视角外化为基于LLM的独立代理（以荷叶形式可视化），促进内部自我对话。
• 创新点:
  1. 通过交互设计实现DST的操作化，使用户能够与多个“我-位置”互动。
  2. 引入空间隐喻（荷花池）来表示内在声音之间的共存和关系连通性。
  3. 提供四个阶段的结构化内省框架：我-位置构建、关系定位、对话交换和反思快照。
  4. 提供关于内在自我交流及其对自我理解和决策影响的实证见解。
• 流程与关键技术:
  • 阶段1: 基于个人数据的AI辅助“我-位置”生成与用户精炼。
  • 阶段2: 通过荷叶的空间排列表达内在声音之间的关系。
  • 阶段3: 在用户调解和观察下，“我-位置”之间进行多代理对话。
  • 阶段4: 将内在景观保存为时间性的自我肖像，用于反思和变化追踪。

研究结果

• 具体发现:
  • 参与者保留了大部分AI生成的“我-位置”（M=11.06），丰富了叙事内容（M=11.82倍），并新增了荷叶（M=1.67）。
  • “我-位置”之间的对话揭示了意想不到的洞见，并促进了对内部冲突的平衡视角。
  • 内在景观的视觉构成支持了元位置反思，使参与者能够将自我视为相互关联的整体，而非碎片化的个体。
• 相较基线的优势: 与传统内省工具不同，InnerPond外化了内在多元性，提供了结构化的对话和关系可视化，深化了自我理解。
• 实验/评估:
  • 参与者: 17名正在权衡两种职业路径的年轻人（平均年龄=27.18）。
  • 流程: 为期三周的研究，包括前期调查、线下会话和后续访谈。
  • 指标: 行为日志（如“我-位置”修改、对话轮次）、定性访谈和主题分析。
• 局限性与未来工作:
  • 由于文化和人口同质性（韩国大学生），研究结果的普适性有限。
  • 单次会话设计限制了对纵向动态的考察。
  • 未来方向包括扩展至其他领域（如心理健康、教育）以及探索适应多样化用户需求的自适应支架。

总结

InnerPond通过AI辅助的多代理系统实现了对话自我理论的操作化，将内在声音外化为独立代理，使用户能够进行结构化的内部自我对话。实证研究表明，外化、关系可视化和对话交换如何支持更深层次的自我理解，尤其是在职业探索等复杂决策情境中。尽管在一致性、用户代理性之间存在张力，这些动态凸显了对话内省系统在支持内部协商方面的潜力。未来研究应关注文化多样性、纵向参与和领域特定的应用，同时确保内省工具的伦理保障。