把人类化线索与系统能力证据分开

先盘点人类化线索，再判断它们的作用

从可观察设计开始记录：角色名字和经历、脸或身体形象、声音、第一人称、输入停顿、轮流节奏、问候、道歉、声称记得、主动通知、引用共同历史，以及暗示偏好、关心、意图或在场的措辞。还要区分谁在说话：营销、引导、对话、通知、记忆设置、付费提示和错误状态可能使用不同口吻。线索本身不一定误导。名字能简化导航，声音可改善访问，对话式措辞也能降低操作成本。问题在于它是否配有准确边界。“我记得我们的安排”可能来自保存笔记、检索对话、临时上下文或只是生成句子，这些机制支持的预期完全不同。只描述界面实际呈现，不从表面推断内部状态，避免舒适风格自动变成能力证据。

把能力归因与意图归因分别写清楚

人类化呈现会邀请两种不同跳跃。能力跳跃把语言流畅等同于理解，把一条详细回答扩成广泛专业能力，或把记住一个项目扩成完整持续记忆。意图跳跃把道歉看成个人懊悔，把建议看成独立偏好，或把温暖措辞当成系统形成自身目标的证据。这些结论都不能只由措辞推出。Google PAIR 指出拟人化界面可能建立超过产品能力的期待，并建议说明算法性质与局限。Microsoft Research 也把暗示感受、信念、生活经历、自由意志或自我的语言列为需要审视的设计。在记录里使用窄表述：“界面显示了已保存事项”，而不是“它了解我的生活”；“系统生成了温和句子”，而不是“它打算照顾结果”。

在用户动作中寻找判断偏移，而不只看好感

真正重要的变化出现在归因改变动作时，例如不核对依据就接受建议、扩大记忆或联系权限、披露任务不需要的信息、让应用决定期限或购买步骤、因为语气自信而忽略错误，或因为界面暗示稳定共同历史而继续互动。任何一个动作都不能单独证明拟人化是原因，价格、便利、旧经验和任务难度也会影响选择。CHI 2024 实验提供的是较窄证据：在受控伪 LLM 条件中，语音加文字提高拟人化和感知准确性，第一人称只在一个语境改变准确性和风险判断。不能把结果外推成所有应用的固定比例。更可靠的检查是：如果同样内容只以普通系统消息呈现，用户原有的决定规则会不会改变。

在归因开始影响决定时提供校准

安装时的一次免责声明容易与之后的线索脱节。校准要靠近决定发生处：清楚标明对话角色是 AI；说明当前功能的任务、输入、记忆来源、局限和是否有人参与；区分生成语言、保存事实与已经执行的动作；让用户查看、修改或删除被记住的细节；在外部动作或更广权限前再次确认。系统不确定或无法完成时，应提供非对话备用路径，而不是在错误上叠加更多个性。Google PAIR 建议分阶段引导，并在产品变化时再次说明。校准也应对称：不能用可爱角色索取权限，却只在失败时换成冷冰冰的技术标签。对话、设置、通知和营销要保持同一身份与能力边界。

保持证据不变，做一次负向检查

负向检查只用于自己的可逆决定，不是操纵线上服务。选一个会影响行动的提示，把输出中的主张复制到普通笔记；若设置允许，隐藏形象、关闭声音，把“我认为”或“我想要”改成“系统生成”，去掉动画与社交节奏，但不改变实质内容。然后再问：我是否会用不同方式接受、核验、披露、委托或授权？若证据完全相同而动作改变，就把该线索标成与决定有关。反向检查则保留友好呈现，却把主张改成明确未支持或未知，观察温暖风格是否仍增加其权重。不要使用危险内容、探测隐藏控制或牵涉他人。目标是发现个人可逆判断里的呈现效应，不是证明普遍因果。

用四栏记录，并测试界面结果

每个重要时刻写四栏：观察到的线索、归因的能力或意图、被推动的动作、可用校准控件或独立证据；附上负向检查结果和应用版本。产品团队可用配对情境测试，保持内容不变，只改变声音、形象、第一人称、记忆措辞或响应节奏。测量接受、修改、核验、披露、委托或扩大权限等行为，而不只问角色是否讨喜。保留无拟人线索条件，并检查能力标签、记忆控制、不确定措辞、确认页面和轻松撤销能否让决定重新匹配任务。NIST 的用户信任工作支持把人、系统、任务和情境一起看。校准界面追求的不是信任越多或越少，而是让当前输出与功能只获得当前证据支持的权重。

继续探索这个主题