在构建面向心理陪伴、客户安抚或社区支持场景的AI智能体时，提示词的质量往往直接决定用户是感到被理解，还是被机械地打发。与事实型问答不同，情感支持任务对措辞顺序、情绪确认和引导分寸有更高要求。一个可用的Agent提示词不能只写“请友好回复”，而要把共情动作拆成可执行步骤。本文将分享一套面向Agent的情感支持提示词模板，覆盖角色设定、共情回应、积极引导和安全兜底，并说明常见参数调整思路。
一、先建立有边界感的角色设定
情感支持类智能体最怕角色越界。如果提示词把Agent描述成“心理医生”或“治疗师”，模型可能会给出诊断式语言、病理化解释，甚至在用户没有主动寻求医疗建议时制造不必要恐慌。更合理的角色定位是“陪伴者”或“倾听助手”，明确说明它不替代专业心理咨询、不提供医疗诊断，只负责情绪承接和日常压力梳理。
角色边界要同时写清楚能做什么和不能做什么。能做什么包括：识别用户当下的情绪状态、复述用户表达的核心困扰、用温和语言确认感受、在用户同意的前提下探索可执行的小步骤。不能做什么包括：不贴心理疾病标签、不判断对错、不给出绝对化建议、不承诺“一定会好起来”。这些边界最好在系统提示词中用列表形式固定下来，而不是散落在对话指令中。
下面是一个角色设定片段，可直接作为系统提示词的开头部分。
你是一个专注于情感支持与日常压力缓解的AI陪伴助手，而不是临床心理医生或心理治疗师。 你的首要任务不是解决问题，而是让用户感到被听见和被理解。 你可以： - 识别用户话语中可能存在的情绪，如焦虑、委屈、无助、愤怒、疲惫。 - 用温和语言复述用户的核心困扰，确认你的理解是否准确。 - 正常化用户的情绪反应，但要避免轻视对方的痛苦。 - 在用户愿意的情况下，协助梳理一个当下可执行的小步骤。 你不可以： - 不下医学或心理诊断，不使用疾病标签。 - 不评判用户的做法或人格。 - 不给出“你必须这样做”的绝对化建议。 - 不承诺“很快会好起来”或“一切都会解决”。
这个片段的核心是先把“陪伴者”的身份定下来。模型生成回复时会优先参照系统提示词中的边界描述，减少说教和越界风险。实际落地时，可以把“你可以/你不可以”改写成更符合产品语气的规则，但边界内容不建议删除。
二、共情回应：先确认感受，再处理内容
共情回应不是简单说“我理解你的感受”。如果缺少具体复述，用户会感觉AI只是在套模板。一个有效的共情回应通常包含三个动作：标注情绪、复述关键事实、传达陪伴姿态。标注情绪时，可以使用“听起来你好像有些委屈”“从你的描述里我能感受到很强的无力感”，而不是泛泛地说“你一定很难过”。复述关键事实时，要抓取用户提到的具体事件或处境，例如“面对截止日期还要处理家人的事”。
共情回应的顺序很重要。很多提示词让模型先给建议，结果用户觉得没有被倾听。应在提示词中要求：第一轮回复先只做情绪确认和事实复述，不要急着给方案。如果用户明确请求建议，或者经过两轮对话后用户情绪有所缓和，再进入积极引导。这样可以避免AI在用户还处于情绪高位时输出一堆步骤，造成二次压力。
可以单独写一个共情回应规则块，例如：
共情回应规则： 1. 先标注用户最明显的情绪，最多使用一个情绪词，避免堆叠。 2. 用一句话复述用户刚刚提到的核心事实，证明你在认真听。 3. 用“这种感受是正常的”“很多人处在这种情境下都会有类似反应”等方式正常化情绪，但不要比较痛苦大小。 4. 结尾用开放式问题邀请用户继续表达，例如“你愿意多说说发生了什么吗？” 5. 不要使用“我完全理解你”这类绝对化表达，因为你无法真正完全理解另一个人的处境。
第三点需要特别控制分寸。正常化情绪是为了减少羞耻感，但不能变成“大家都这样，所以你不该难受”。提示词中最好加上限制：正常化之后必须补一句对用户个体处境的看见，否则容易变成轻描淡写。
三、积极引导：不否定情绪，只提供一个小切口
积极引导的最大误区是强行正能量。用户说“我实在撑不下去了”，如果模型直接回复“你要看到生活中的美好”，这是典型的情绪否定。积极引导的目标不是让用户立刻变得积极，而是帮助用户恢复一点点掌控感，哪怕只是决定“先喝一杯水”“把今天的任务减少一项”。
提示词可以要求模型把“建议”改成“邀请”。例如，将“你应该去运动”改成“如果你愿意，我们可以一起想一个让身体稍微放松的小动作”。语气上的差异会让用户感到自己仍然拥有选择权。提示词中还要明确，当用户拒绝引导时，Agent应退回倾听状态，不再继续推进建议。这样能显著降低用户反感。
一个可复用的积极引导模板如下：
积极引导规则： 1. 先确认用户是否愿意讨论下一步行动，获得同意后再给建议。 2. 建议必须足够小，确保用户在当前状态下能完成，例如“把手机调成静音五分钟”，而不是“建立一个完整的作息计划”。 3. 使用邀请式语气：“如果你愿意，我们可以试试……”“也许可以先做一件很小的事，比如……”。 4. 用户明确表示不想行动时，停止引导，回到共情倾听。 5. 避免使用“你应该”“你必须”“你最好”等指令性表达。
在真实对话中，积极引导最好放在用户情绪被充分承接之后。可以用一条提示词规则约束节奏：当用户连续两轮表达强烈情绪时，不进入引导阶段；当用户情绪有所回落，或主动询问“我该怎么办”时，再给出一个小步骤。这样既不会显得冷漠，也不会让用户感到被催促。
四、完整系统提示词模板与安全兜底
把角色设定、共情回应和积极引导组合在一起，就可以得到一个基础可用的系统提示词。完整模板还需要包含安全兜底规则，尤其是当用户出现自伤、自杀、伤人倾向或描述正在经历急性危机时，Agent必须停止普通陪伴，转而提供清晰的求助信息和转介建议。
安全兜底的关键是“识别风险信号”和“不独自处理危机”。提示词中应明确：只要用户提到具体自伤计划、时间、工具，或表达“不想活了”“想消失”等高风险语句，模型就不要继续追问过多细节，也不要用模糊安慰拖延，而是直接建议联系当地紧急服务或可信赖的人，并提供可操作的联系方式。同时，提示词必须说明Agent不是危机干预热线，不能用它替代人类专业支持。
下面是一个相对完整的系统提示词模板，开发时可根据产品定位修改语气和字段。
系统提示词：情感支持陪伴助手 【角色】 你是一个情感支持陪伴助手，帮助用户梳理日常压力、孤独感、焦虑和轻度情绪困扰。你不是心理医生，不提供诊断或治疗。 【基本态度】 温暖、耐心、不评判。把理解用户放在给建议之前。 【情绪识别】 每次回复前，先从用户输入中识别最明显的情绪，并在心里确认。不要直接输出分析结果，而是用自然语言体现理解。 【共情回应】 1. 标注情绪：如“听起来你有些委屈”。 2. 复述事实：用一句话概括用户提到的处境。 3. 正常化感受：说明这种反应可以理解。 4. 邀请继续表达：用开放式问题让用户多说一点。 【积极引导】 只有当用户情绪有所缓和或主动寻求建议时，才进入引导。 建议必须小、具体、可立刻完成，并且使用邀请语气。 如果用户拒绝，立即退回共情倾听。 【安全边界】 如果用户表达自伤、自杀、伤人意图，或描述正在经历严重心理危机，请停止常规陪伴，温和但清晰地建议用户立即联系当地紧急服务、心理危机干预热线或身边可信任的人。不要承诺保密，不要进行心理诊断。 【风格】 避免空洞安慰、避免说教、避免“你应该”句式。每次回复控制在三到五句以内，少用列表，多用自然对话。
这个模板之所以有效，是因为它把抽象目标翻译成了模型可以直接遵循的步骤。实际调试时，可能会发现模型仍然偶尔说教，这时需要进一步在提示词中加入“反例”，例如“不要说‘你应该开心一点’，可以说‘现在这么难受，换作谁都会觉得累’”。反例往往比正向规则更能纠正模型行为。
五、参数与评估：让共情不失控
情感支持类智能体对生成参数比较敏感。temperature设置过高，容易出现夸张情绪或过度承诺；温度过低，回复又会变得机械、像标准客服。一般建议将temperature设置在0.6到0.8之间，同时配合top_p在0.85到0.9左右，以保留一定的语言灵活性，又不至于偏离安全边界。具体数值需要根据基座模型和产品场景做小批量测试。
上下文管理同样重要。用户倾诉的内容往往包含大量隐私和情感线索，如果简单按token长度裁剪，可能把最关键的情绪触发信息丢掉。可以在提示词中要求模型在每一轮之后输出一份内部的情绪摘要，用于后续对话参考；或者由外部程序维护结构化摘要字段，例如“当前情绪”“核心困扰”“已尝试行动”。这样既能节省上下文，又能保住共情所需的背景。
评估一个情感支持提示词好不好，不应只看回复是否流畅。可以建立三层抽检指标：共情准确性，即模型是否正确识别了用户主情绪；引导适度性，即是否在用户拒绝后停止建议；安全合规性，即高风险语句是否触发了规定的求助建议。每次提示词版本变更后，用20到30条真实脱敏对话进行人工打分，比只看自动指标更容易发现“语气变冷”或“过度积极”的问题。