“这真的是一个人类同辈支持者吗？”：LLM支持的交互中同辈支持者与专家之间的错位

《Proceedings of the ACM on Human-Computer Interaction》："Is This Really a Human Peer Supporter?": Misalignments Between Peer Supporters and Experts in LLM-Supported Interactions

　　

摘要

心理健康已成为日益增长的全球性问题，引发了人们对利用人工智能驱动方案扩大心理社会支持的兴趣。同伴支持基于亲身经历，为专业服务提供了有价值的补充。然而，培训、效果和定义的差异引发了对质量、一致性和安全性的担忧。大语言模型（LLMs）为增强同伴支持互动提供了新的机遇，尤其是在实时的基于文本的互动中。我们提出并评估了一个AI辅助系统，该系统包含一个由LLM模拟的处于困境中的客户（SimClient）、情境敏感的LLM生成建议（Suggestions）以及实时情绪可视化。两项混合方法研究涉及12名同伴支持者和6名心理健康专业人员（即专家），考察了该系统的有效性及其对实践的影响。两组均认可其提升培训和改善互动质量的潜力。然而，我们发现存在一个关键张力：尽管同伴支持者进行了有意义的参与，但专家持续指出同伴支持者回复中的严重问题，例如遗漏痛苦信号和过早给出建议。这种错位凸显了当前同伴支持培训的潜在局限，尤其是在情感强烈的环境中，安全和遵循最佳实践至关重要。我们的研究结果强调了标准化、有心理学基础的培训的必要性，尤其是在同伴支持在全球范围内扩展的情况下。研究结果还表明，LLM支持系统可以为此发展提供脚手架——前提是精心设计并由专家监督。这项工作有助于关于负责任地整合AI于心理健康以及LLMs在增强同伴提供护理中不断演变角色的新兴讨论。

AI摘要

查看此AI生成的摘要需要高级访问权限。

更多信息 登录

摘要

心理健康已成为日益增长的全球性问题，引发了人们对利用人工智能驱动方案扩大心理社会支持的兴趣。同伴支持基于亲身经历，为专业服务提供了有价值的补充。然而，培训、效果和定义的差异引发了对质量、一致性和安全性的担忧。大语言模型（LLMs）为增强同伴支持互动提供了新的机遇，尤其是在实时的基于文本的互动中。我们提出并评估了一个AI辅助系统，该系统包含一个由LLM模拟的处于困境中的客户（SimClient）、情境敏感的LLM生成建议（Suggestions）以及实时情绪可视化。两项混合方法研究涉及12名同伴支持者和6名心理健康专业人员（即专家），考察了该系统的有效性及其对实践的影响。两组均认可其提升培训和改善互动质量的潜力。然而，我们发现存在一个关键张力：尽管同伴支持者进行了有意义的参与，但专家持续指出同伴支持者回复中的严重问题，例如遗漏痛苦信号和过早给出建议。这种错位凸显了当前同伴支持培训的潜在局限，尤其是在情感强烈的环境中，安全和遵循最佳实践至关重要。我们的研究结果强调了标准化、有心理学基础的培训的必要性，尤其是在同伴支持在全球范围内扩展的情况下。研究结果还表明，LLM支持系统可以为此发展提供脚手架——前提是精心设计并由专家监督。这项工作有助于关于负责任地整合AI于心理健康以及LLMs在增强同伴提供护理中不断演变角色的新兴讨论。

1 引言

同伴支持已成为一种日益突出的心理健康护理形式，特别是在社区组织、教育机构和在线平台中。它通常由志愿者或准专业人员提供——这些是具有结构化培训和亲身经历的个人，在没有专业执照的情况下提供非临床的情感支持。同伴支持强调情感认可、团结和相互理解，而非诊断或治疗 [54, 64]。然而，尽管采用日益增加，同伴支持仍然存在培训、角色期望和互动规范在组织和背景之间的显著差异。与专业的心理健康护理不同，专业的心理健康护理具有相对明确的标准和问责制，而同伴支持通常依赖于隐性的、情境化的判断，以确定什么构成适当或有效的支持。这种模糊性虽然可以带来灵活性和真实性，但也引入了在情感强烈的互动中的紧张，在这些互动中安全、信任和感知到的支持质量至关重要。

鉴于同伴支持与专业心理健康实践之间的紧密联系，这些紧张尤其值得关注。临床医生受过评估风险、调节情绪唤醒以及将对话引导至结构化治疗目标的训练，而同伴支持者通常被鼓励"陪伴"、有选择地分享个人经历并避免规劝性建议 [54]。然而在实践中，同伴方法和专业方法之间的界限日益模糊，因为同伴支持项目借鉴了诸如心理急救（PFA）[74] 和动机访谈（MI）[67] 等专业化框架，以及共享的数字基础设施 [36, 37]。结果，关于什么构成"良好"支持的期望可能在利益相关者之间产生分歧，即使在同一个互动中也是如此。

人工智能（AI）的最新进展，特别是大语言模型（LLMs），加速了旨在搭建心理健康对话的工具的开发，包括模拟处于困境中的客户或生成共情性回复建议的系统 [23, 44, 56, 60]。虽然这些系统通常被定位为志愿者或新手的辅助工具，但它们通常基于专业的治疗规范，如结构化共情和分阶段干预 [39, 72, 84]。当引入同伴支持情境时，这些假设可能不仅帮助支持者，还可能暴露同伴护理和专业护理在实施和评估方式上的潜在差异。

在本文中，我们认为AI中介的同伴支持互动提供了一个分析视角，用于考察同伴支持者的实践与专业心理健康标准之间的差异如何在实践中显现。我们不是将AI辅助视为培训或绩效提升工具，而是考察其存在如何重塑互动动态、认知和情感劳动，以及不同利益相关者群体对回复质量的判断。具体而言，我们提出：（RQ1）同伴支持者如何在多轮实时同伴支持互动中与LLM模拟的客户、LLM生成的建议和情绪状态可视化进行互动，以及什么因素塑造了他们对这些组件有用性的感知？（RQ2）心理健康专业人员如何解释和评估同伴支持者的回复以及LLM支持的组件（见RQ1），他们的评估在哪些方面与同伴支持者的观点一致或分歧？

为回答这些问题，我们使用一个AI支持的同伴支持系统进行了两项混合方法研究，该系统包含三个组件：（1）一个大语言模型（LLM）模拟的处于困境中的客户（SimClient），（2）实时分类回复建议（Suggestions），以及（3）从客户消息中得出的情绪状态可视化。在研究1中，12名受训的同伴支持者与SimClient进行了实时文字对话，同时使用这些AI功能。在研究2中，6名心理健康专业人员审阅了这些会话的记录，并反思了同伴支持者的回复以及AI支持组件的作用。

在两项研究中，我们发现AI中介的互动揭示了同伴支持者和心理健康专业人员之间的模式化趋同和分歧领域，特别是在安全、时机、真实性以及AI支持回复的适当性感知方面。基于这些发现，本文做出以下贡献：

• 我们提供了实证证据，说明AI中介的同伴支持互动如何揭示同伴支持者的实践与心理健康专业人员视角之间的共同基础和错位之处。
• 我们详细描述AI生成的建议和情绪状态可视化如何在实时支持对话中重塑同伴支持者的认知和情感劳动。
• 我们为CSCW系统得出设计启示，这些系统在具有不同专业水平和问责制的角色间调解心理健康支持，强调了将专业化假设不加批判地嵌入同伴支持技术中的风险。

2 相关工作

2.1 同伴支持作为一种独特的互动实践

同伴支持指的是具有共同心理健康挑战经历的个人之间相互提供情感或实际帮助 [54, 64]。与专业的心理健康服务（如心理治疗或危机干预）不同，同伴支持并不以诊断或治疗为导向，而是以共情、共鸣和共享理解为取向 [78]。

尽管同伴支持可能借鉴专业护理中熟悉的实践，但它植根于对互惠性、非等级制交流和亲身经历作为专业知识的合法性的承诺 [38]。这些价值观塑造了实践中支持是如何实施的，以及互动选择是如何被解释的，往往以与专业心理健康背景不同的方式进行。同伴支持互动不遵循编码化的协议，而是通常在现场协商，关于适当性的判断从交流的关系动态中产生 [32, 68, 76]。

在实践中，同伴支持涵盖广泛的组织形式，从非正式的志愿者领导的社区到更正式的嵌入公共心理健康系统的角色 [14, 38, 71]。在许多背景中——特别是在亚洲和全球南方——同伴支持通常保持半正式或社区性质，受到当地规范、污名和社会等级制度的影响 [10, 20, 28]。因此，什么构成"适当"或"有效"的支持在不同设置和利益相关者之间可能存在显著差异。

这些特征对AI支持的同伴支持有重要影响。许多AI系统隐含地编码了关于情感表达、节奏和安全的专业假设。当引入同伴支持环境时，这样的系统可能会暴露专业化评估标准与同伴支持者的情境判断之间的张力。在本文中，我们将同伴支持视为一种独特的互动实践，而非专业护理的简化类同比，使我们能够考察AI中介的互动如何揭示同伴支持者和心理健康专业人员之间的错位。

2.2 从在线同伴支持到AI中介的同伴支持

随着同伴支持日益转向线上，许多传统上植根于面对面互动的实践已通过基于文本、异步和匿名通信进行了重构 [63]。数字平台如7 Cups1、TalkLife2和国家危机服务（如Samaritans3、Lifeline?和988自杀和危机热线?）通过结构化对话将志愿者支持者与寻求帮助者联系起来。类似生态系统在新加坡也已出现，涵盖监管论坛（let's talk?）、基于文本的危机干预（SOS CareText?）和SAFEHOUSE?等混合志愿者-专业模式。虽然这些平台扩大了获取渠道，但它们也凸显了同伴支持中的互动挑战，包括共情、回应性和真实性如何在持续的基于文本的交流中得到实施。

在正式服务之外，非正式同伴支持社区在Reddit、Discord、Facebook、WhatsApp和Telegram等平台上蓬勃发展 [16, 17, 30, 35, 61, 66, 90, 91]。这些空间通常是自我组织的、最少监管的，并因匿名性、灵活性和减少污名而受到重视 [25, 34]。重要的是，它们充当了同伴支持规范在实践中而非通过正式协议被协商的场所，通常在专业服务无法获取或被污名化时充当最初的接触点 [57]。先前的研究表明，此类互动可能支持心理健康，尽管结果在不同背景中差异很大 [90]。

与此同时，在线同伴支持暴露了文本中介互动固有的张力。非语言线索的缺失限制了痛苦如何被解释以及共情如何被传达 [25, 85]。志愿者支持者经常面临情感压力和倦怠，而培训和监督结构仍然不均匀 [8]。此外，培训中通常推广的互动技巧——如反映性倾听或转述——如果僵化应用或不敏感地考虑关系背景，可能被视为不真实或适得其反 [18]。这些挑战凸显了在同伴背景中，"有效"支持不能简化为正确应用技巧。

作为回应，研究人员开始探索AI系统来搭建同伴支持互动，例如提供实时指导、消息增强或情境感知建议 [44, 56, 60, 92]。许多这样的系统借鉴了咨询框架——包括动机访谈、CBT和积极倾听——来建模支持性回复 [72, 84]，而像CARE这样的系统整合对话历史和情绪识别来定制指导 [23]。相关工作还考察了AI支持咨询中的治疗联盟和关系对齐，强调情感联结和协作参与 [39]。

然而，这些工作中的许多隐含地根据专业或教学标准评估AI辅助，通常在控制或脚本化环境中 [23, 39, 73]。因此，对于AI生成的指导在志愿者同伴支持的情境现实中如何被解释和协商，了解的较少，在这些环境中适当性、真实性和关怀的规范是流动的且有争议的。特别是，先前的研究对同伴支持者在实时的多轮互动中如何参与、适应或抵制AI建议给予了有限的关注，或者这些实践如何与专业期望一致——或冲突——。

基于这一差距，我们的研究考察受训的同伴支持者如何在与LLM模拟的处于困境中的客户的实时多轮对话中与LLM生成的建议进行互动。通过额外纳入与心理健康专业人员的访谈，我们揭示了同伴支持实践和AI中介的互动如何根据专业标准进行评估，从而能够对先前AI辅助同伴支持研究中通常被假设掉了的规范性错位进行对比考察。

2.3 LLM驱动的对话代理和心理健康中的模拟客户

对话代理（CAs）已成为数字心理健康干预中的常见组成部分 [40]，涵盖基于认知行为疗法（CBT）的聊天机器人 [13] 和表达性写作工具 [59] 到聚焦解决方案的咨询方法 [15]，并补充了更广泛的数字心理健康技术的发展，如虚拟现实、移动平台和自助工具 [7, 12, 22, 42]。对Wysa等现实世界评估表明，CA可以通过共情的基于文本的互动缓解抑郁症状 [26]。

LLMs扩展了CA的能力，实现了比脚本化系统更流畅和情境感知的对话 [33]。像MindfulDiary这样的系统使用日记进行治疗性反思 [31]，而ComPeer整合同伴支持策略和对话历史来针对情感需求定制回复 [44]。通过模拟共情、情感认可、反映性倾听和动机访谈等原则 [6, 72]，基于LLM的CA近似了受训支持者的回复，可能降低了护理门槛。同时，人们越来越多地转向通用LLM如ChatGPT寻求情感支持，被其即时性和匿名性所吸引 [1]，虽然这种无监督的使用引发了安全担忧 [45, 49]。

尽管前景广阔，LLMs在处理模糊性、情感节奏和高风险披露方面面临局限，造成了过度依赖或信任错置的风险 [79, 84]。

道德且有效的应用需要精心设计，且往往需要人类监督。与此同时，大型语言模型（LLMs）已被用于模拟患者或客户，以供培训和评估使用。这些系统旨在复制真实客户的对话行为、情绪轨迹和呈现风格，为治疗师、临床学生和研究者创建安全且可扩展的环境，以便他们练习和完善技能 [81, 86, 87, 89]。此类模拟通常在多轮对话中保持一致的角色设定，从而实现针对具有不同心理困扰程度客户的标准化练习 [86]，并遵循嵌入积极倾听、降温处理和建立融洽关系提示的结构化协议。大型语言模型也被用于模拟治疗师或咨询师 [9, 27, 89]，尽管这项工作主要面向专业领域。

对于在同伴支持中使用模拟客户知之甚少，那里的对话往往不那么结构化，情绪高涨，且由培训最少的志愿者主持。这些环境给模拟客户带来了独特的设计挑战，需要校准情绪节奏、对话真实性和人际语调，以符合非专业人士的能力和期望。我们的工作将现有方法扩展到了同伴支持领域，该领域的利害关系、期望和关系动态存在显著差异。我们捕捉并分析了同伴支持者和由大型语言模型模拟的困扰客户之间的实时多轮互动，这些互动具有可视化的情绪状态，并辅以实时生成的大型语言模型建议，旨在实时搭建他们的响应框架。专家评估引导了进一步的组件分析，以及同伴支持者表现出的关系敏感性。这种双重视角能够更全面地理解模拟客户如何支持同伴支持环境中的培训、反思和未来系统设计。

### 3 概述

#### 3.1 系统概述与研究设计

为了了解同伴支持者如何在实时互动中与 AI 辅助的支持进行接触，我们开发并评估了一个由三个部分组成的大型语言模型支持系统，这三个部分受先前工作启发：大型语言模型模拟的困扰客户（SimClient）、情境敏感的大型语言模型生成建议（Suggestions），以及实时情绪状态可视化。这些组件被部署在基于文本的聊天界面中，以支持心理逼真的同伴支持场景。为了调查系统的有效性及其对同伴支持实践的影响，我们进行了两项研究（见图 1）：

(1) **研究 1：同伴支持者实验室研究。** 12 名受训的同伴支持者与 SimClient 进行了同步多轮对话，并辅以实时情绪状态可视化和建议。
(2) **研究 2：研究 1 互动的专家评估。** 6 名心理健康专业人员审查了研究 1 的匿名录音，并评估了 SimClient、建议的质量以及情绪状态可视化的效用。他们还提出了未来部署的考量。

**图 1.** 所开展研究的概述。研究 1 包括 12 名同伴支持者与 SimClient 进行实时聊天，使用建议情绪状态可视化，并伴有回顾性出声思维访谈和生理/行为监测。研究 2 涉及 6 名专家（临床心理学家、咨询师、医务社会工作者）评估研究 1 日志，并反思 SimClient、建议及情绪状态可视化。
展示所开展研究工作流程的图表。研究 1（N=12 同伴支持者）：人口统计数据、与模拟客户（SimClient）聊天，同时使用 AI 生成的建议（Suggestions）和可视化的情绪状态、回顾性出声思维访谈以及生理测量（眼动追踪和心率监测）。研究 2（N=6 专家专业人士）：人口统计数据、关于专业支持经验的访谈，以及对研究 1 日志的审查，评估 SimClient、AI 建议和可视化。

总的来说，这些研究考察了 AI 工具如何塑造实时同伴支持，同时保持同伴支持者的中心角色，这与呼吁对心理健康护理中的 AI 进行多层次、情境敏感评估的呼吁相符 [75]。两项研究均获得了机构审查委员会批准（SUTD IRB-24-00670），并遵守道德研究指南。参与者获得了大约 15 美元（研究 1）和 23 美元（研究 2）的补偿。

**图 2** 展示了为研究 1 开发并在研究 2 中评估的聊天界面。它包括：(A) 客户标签和聊天计时器，(B1) SimClient 情绪状态的表情符号和摘要，(B2) 维度和类别情绪的时间序列图，(C) 显示交流的聊天窗口，以及 (D) 显示在三个类别（SMI, SER, SPS）中的建议。

**图 2.** 研究中使用的聊天界面。参与者通过编写基于文本的响应与客户消息互动。该界面提供实时情绪反馈，包括 (A) 客户标签和聊天持续时间，(B1) 基于表情符号和标签的情绪状态摘要，以及 (B2) 效价、唤醒度和类别情绪的时间序列图。主聊天窗口 (C) 显示正在进行的交流。下方，建议显示在三个类别中供参与者选择：动机访谈 (SMI)、同理心回应 (SER) 和情感支持 (SPS)。
研究中使用聊天界面的截图，参与者响应由大型语言模型模拟的客户。(A) 显示标签“客户”和聊天计时器（例如“00:10:43"）。(B_1) 呈现基于表情符号的客户情绪状态摘要（例如：负面、中等、悲伤），(B_2) 包含显示情绪趋势的时间序列图，如效价、唤醒度和情绪存在。中央聊天面板 (C) 包含对话，其中客户表达学业压力，参与者需要回应。聊天下方，部分 (D) 提供大型语言模型生成的建议（Suggestions），参与者可以选择使用这三个类别来指导他们编写回复：动机访谈（S 下标 MI）、同理心回应（S 下标 ER）和情感支持（S 下标 PS）。

#### 3.2 大型语言模型模拟客户的设计：SimClient

引入 SimClient 旨在实现受控、可重复的同伴支持场景，同时保持情感真实性。先前的研究表明，对话模拟可以支持在情绪激动环境中的共情和关系技能发展 [81, 86, 87, 89]。模拟提供了低风险的练习环境，用于练习轮流发言、反思性倾听和同理心提问。

SimClient 由 GPT-4 助手（gpt-4o-2024-08-06）驱动，旨在模仿情绪表达丰富的支持寻求者，与参与者进行多轮对话交流。回复在对话过程中动态生成，由结构化的对话阶段指导（见附录 D）。

#### 3.3 SimClient 情绪状态可视化的设计

每条 SimClient 消息都配对了一个计算出的情绪状态，该状态源自两个基于既定情感理论的互补模型 [77]：
* **维度型：** 效价（-1 到 +1）和唤醒度（-1 到 +1），遵循情感的环形模型 [62]，捕捉情感色调和强度，并使用情绪标签和时间序列图进行可视化（图 2，B1, B2）。
* **类别型：** 以下一种离散情绪：悲伤、恐惧、愤怒、厌恶、快乐、惊讶（改编自 Ekman [11]）以及中性，同样进行了可视化（图 2，B1, B2）。

这些是从每条 GPT 生成消息中嵌入的情绪意图计算得出的（见附录 D）。可视化的设计旨在支持对基于文本的同伴支持中的情感变化进行解读，因为副语言线索的缺失导致误解困扰或情感细微差别的风险增加。将维度轨迹与类别标签相结合使 SimClient 能够表现出动态的情绪模式。例如，高唤醒度的负面状态与更紧急或碎片化的消息风格相关。这种耦合旨在支持支持者监控情感变化、校准节奏并识别需要高度专注的时刻。

#### 3.4 大型语言模型生成建议的设计：建议

建议旨在为同伴支持者在情绪 demanding 的互动中搭建认知和语言工作框架。先前的研究表明，实时支架可以减少认知负荷并支持支持性对话中的对话对齐 [23, 72, 84]。当用户必须同时追踪情绪线索和构思回复时，此类支架尤其有益。

建议由 GPT-4 助手（gpt-4o-2024-08-06）驱动。在每条 SimClient 消息之后生成三个建议，可以采纳、改编或忽略。表 1 总结了针对以下消息的类别和示例输出：“最近我对学校感到非常焦虑，对自己的未来感到不确定。就好像每个人都在前进，而我却停滞不前。”

**表 1.** 建议类别、预期功能和示例建议
| 建议类别 | 预期功能 | 示例建议 |
| :--- | :--- | :--- |
| 动机访谈 (SMI) [23, 70] | 鼓励反思和阐述，通过开放式提问 | 你可以告诉我更多是什么具体让你对学校和未来感到焦虑吗？ |
| 同理心回应 (SER) [48, 72] | 验证情绪并支持建立融洽关系 | 听起来你对未来的不确定性和压力感到不知所措。这完全可以理解。 |
| 情感或信息支持 (SPS) [34, 60] | 提供保证、正常化或相关指导 | 你并不孤单。让我们一起来看看。 |

**建议类别和示例**
附录 D 和 E 提供了更多关于提示结构和系统输出的示例。

### 4 研究 1：同伴支持者实验室研究

#### 4.1 方法论

**4.1.1 参与者。** 我们招募了 12 名参与者（5 名女性），年龄均在 18 岁以上（平均 = 34.04 岁，SD = 14.67），每人都有同伴支持和/或心理急救（PFA）的先前经验和培训（见表 2）。参与者来自新加坡的社区和机构同伴支持项目，经验涵盖在线（n = 5）、线下（n = 2）和混合（n = 5）模式。大多数人至少拥有学士学位（n = 11），包括两名拥有心理学学位的人。同伴支持经验从 1 年到 10 年以上不等（跨模式平均 = 3.6 年）。

**表 2.** 人口统计和同伴支持经验详情
| ID | 年龄 | 性别 | 教育 | 族裔 | 就业 | 心理学背景？ | 经验（类型和时长） |
| :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- |
| PS1 | 25-34 | 女性 | 学士 | 华人 | 自雇 | 否 | 在线（~6 年） |
| PS2 | 18-24 | 女性 | 学士 | 印度裔 | 学生 | 是 | 两者（~4 年线下，1 年在线） |
| PS3 | 25-34 | 男性 | 文凭 | 华人 | 兼职 | 否 | 两者（~1-2 年） |
| PS4 | 65-74 | 男性 | 硕士 | 华人 | 退休 | 否 | 线下（~6.5 年） |
| PS5 | 25-34 | 男性 | 学士 | 华人 | 全职 | 否 | 两者（~2-3 年） |
| PS6 | 25-34 | 男性 | 学士 | 华人 | 全职 | 否 | 线下（~1 年） |
| PS7 | 45-54 | 女性 | 学士 | 华人 | 全职 | 否 | 两者（~5-10 年） |
| PS8 | 18-24 | 女性 | 学士 | 华人 | 学生 | 否 | 在线（~1 年） |
| PS9 | 25-34 | 男性 | 硕士 | 印度裔 | 全职 | 否 | 两者（~3.5 年） |
| PS10 | 25-34 | 女性 | 学士 | 华人 | 全职 | 是 | 在线（~1 年） |
| PS11 | 45-54 | 男性 | 学士 | 华人 | 自雇 | 是 | 在线（~1 年） |
| PS12 | 18-24 | 女性 | 学士 | 印度裔 | 全职 | 是 | 在线（~3-4 年） |

**4.1.2 研究流程。** 每个会话包括三个部分：聊天前、聊天中和聊天后，全部以现场形式进行，并进行屏幕和音频录制。

**聊天前部分。** 参与者完成人口统计调查表、个性量表（BFI-2-XS [51, 52, 80]）、认知需求量表 [4, 5]，以及评估对 ChatGPT 等生成式 AI 工具熟悉程度的问卷。

**聊天部分。** 参与者与 SimClient 进行基于文本的多轮对话，自由回应或参考三类大型语言模型生成的建议（SMI, SER, SPS）。使用 Polar H10 胸带（HRV）和 WebGazer.js [58] 收集生理和注意力（眼动追踪）数据。这些测量是作为探索性基础收集的，作为参与者压力和参与度的潜在指标。所有聊天转录本和互动录音均保留，以供研究 2 后续专家评估使用。

**聊天后部分。** 参与者在进行回顾性出声思维访谈的同时查看他们的会话录音，由促进者记录的时刻引导，涉及决策、建议使用和感知挑战。他们使用 7 点李克特量表对 SimClient 的回应进行自然度（流畅性和难易度（是/否））、类人性（非机器人特质）和真实性（与现实世界客户的相似性）评分，并反思建议情绪状态可视化的有用性。这些测量评估了 SimClient 模拟可信的同伴支持互动的能力以及参与者对其回应的一般印象。

**4.1.3 数据分析。** 访谈转录本由一名研究人员使用迭代、反思性的主题分析过程进行分析，包括反复细读、备忘录编写以及代码和主题的渐进式完善。未计算评估者间信度，因为这对于此类诠释学分析来说是不适当的 [53]。分析严谨性通过反思性文档记录和分析决策的透明度得到支持。

生理和行为数据（HRV 和眼动追踪）是在探索性基础上进行分析的。HRV 特征（RMSSD, SDNN, LF/HF 比率）是使用 Kubios HRV Standard 在伪影校正和分割后计算的。眼动追踪分析检查了聊天期间的眼球注视持续时间和注意力投入。

#### 4.2 结果

**4.2.1 与 SimClient 的互动。**

**消息长度和对话节奏。** 参与者与 SimClient 进行了结构化的回合制交流，平均在大约 30 分钟内进行了 34 条消息（表 3）。虽然会话长度和参与者的话多程度在不同会话之间差异很大，但 SimClient 保持了相对一致的响应时间和消息长度。

**表 3.** 研究 1（N = 12）的会话消息数和时长
| 会话分解 | 平均 | SD | 最小值 | 最大值 | 中位数 | IQR |
| :--- | :--- | :--- | :--- | :--- | :--- | :--- |
| 消息数（双向） | 33.5 | 16.09 | 20 | 74 | 28 | 12 |
| 会话长度 (hh:mm:ss) | 00:29:43 | 00:11:58 | 00:11:24 | 00:51:16 | 00:27:32 | 00:12:57 |

在消息级别，SimClient 的回应（每条消息 27.89 词）比参与者的（每条消息 29.51 词）更统一，参与者的话多程度并未能可靠地引起更长的回复。参与者与 SimClient 消息长度之间的相关性较弱（r = 0.18），只有 3 个会话显示出中等程度的回合同步（r ≥ 0.5, p < 0.05），表明在节奏上的互惠调整有限（图 3）。

**图 3.** 研究 1 中每位参与者的平均消息长度（每条消息词数），显示同伴支持者之间的变异性大于 SimClient 相对稳定的回应。
条形图显示研究 1 中所有 12 名参与者的平均每条消息词数，比较同伴支持者和 SimClient。每位参与者在 x 轴上表示。y 轴显示消息长度（词）。同伴支持者的消息长度在不同会话中差异很大，有些超过每条消息 40 词，而 SimClient 的消息长度在各参与者之间保持相对一致，主要在 20 到 35 词之间。

综上所述，这些发现表明 SimClient 在各个会话中维持了稳定的互动节奏，而对个体同伴支持者风格的适应有限。

**涌现策略和犹豫时刻。** 在各个会话中，参与者运用了同伴支持和 PFA 原则——包括肯定、积极倾听、情绪调节和尊重自主权——同时灵活地适应从 SimClient 感知到的线索。参与者并非遵循僵硬的脚本，而是将互动视为一种关系过程，根据对话的展开调整语气、节奏和参与度。

参与者避免给出建议，正如PS2所解释的那样（PS3和PS6也有类似反映），他们的回应是一种"非常潜意识的努力"，旨在让SimClient感到"他们是在一起经历这一切的"。犹豫的瞬间反映了深思熟虑的克制。当回应显得情感模糊时，参与者会暂停或暂不追问，这表明他们能够感知边界。例如，PS5描述在某次含糊回应后选择不进一步追问："我不想再追问了。"屏幕录制和眼动数据佐证了这些陈述，显示出在回复情感模糊内容前的短暂停顿。这种犹豫作为一种互动策略，与现实世界中的同伴支持实践相一致。

对自然性、真实感和拟人程度的感知

参与者对SimClient的真实感和拟人程度感知较高，其中58%的人认为互动过程很自然。在7分制评分中（图4），拟人程度的中位评分为4分，真实感的中位评分为5分。

图4 研究1中同伴支持者对SimClient在7分李克特量表上的评分分布。上图：拟人程度。下图：真实感。分段宽度和颜色强度表示评分频率（1 = 完全不，7 = 极其）。

一张水平堆叠条形图，展示了研究1中同伴支持者对SimClient在拟人程度和真实感方面的评分分布。每根条形代表一个评价标准，各分段对应李克特量表1至7的评分值。分段的宽度和阴影强度编码了每个量表得分点的评分人数，使评分集中在量表中高区间的趋势清晰可见。

定性访谈揭示了一个反复出现的张力：即情感可信的内容与互动的机械性之间的矛盾。许多参与者（n = 7）认为SimClient的困扰在现实中很真实且与他们作为同伴支持者的经历相似，尤其是在学业压力、未来不确定性和社交孤立等方面。与此同时，部分参与者（n = 4）指出SimClient的表达过于流畅、结构化且情感控制得体，缺乏在痛苦中的人常有的犹豫、跑题或不规则性。正如PS12（有3至4年在线支持他人的经验）所观察到的："真正的人不会用段落来讲话……他们只会脱口而出。"另有参与者（n = 2）描述SimClient与现实中的痛苦个体相比，表现出异常的合作性或情感稳定性。

尽管存在这些局限性，部分参与者（n = 3）描述了对话互惠的时刻，这些时刻有助于维持持续的投入，他们注意到SimClient偶尔会以情感回应的方式延续之前的消息内容。总体而言，这些反思表明，虽然SimClient缺乏人际互动中的关键特征且明显具有人工痕迹，但其情感内容和关系性线索仍足够可信以支持参与者的投入。

综合来看，这些反思表明，虽然SimClient的表达缺乏人际对话中的诸多特征，但其情感内容和关系性线索仍然足够可信，能够维持参与者与研究中的投入。

4.2.2 对建议的参与

使用模式与策略

12名参与者中有9名使用了建议功能，平均采纳率为29.1%（SD = 23.62%）。他们以三种方式使用建议（见图5）：（1）直接采用；（2）根据上下文稍作修改（删减/添加内容）；（3）融合多条建议形成连贯回复。经图6a所示，修改使用是最常见的方式（21次），其次是融合（9次）和直接采用（6次）。例如，PS3在不确定如何回复时直接采用建议，而PS5和PS10则经常修改建议以增强清晰度、语气或个人风格。PS1描述自己运用同伴支持技巧来改善建议的措辞，PS10则经常组合不同选项的元素，更倾向于使用建议所提供的结构而非从零开始撰写回复。

图5 参与者与SimClient互动的概述，展示通过三种策略使用建议功能：（1）直接采用，（2）稍作修改，（3）融合建议。

该图展示了参与者与LLM模拟客户互动的示意图。图中展示了使用LLM生成建议的三种策略：直接采用、稍作修改，以及将多条建议组合为单一回复。

参与者倾向于使用情感回应（SER）和情感支持（SPS）（各16次），以此建立融洽关系和提供情感包容。动机式访谈提示（SMI）使用较少（13次），且通常用于反映或重构，而非指令性指导（见图6b右侧）。正如PS5所解释的，他们倾向于"先以共情开始，然后再进行探索、正常化、肯定，并帮助SimClient寻求……解决"。

图6 堆叠条形图展示了研究1中每位参与者如何使用建议。左图：使用策略（直接采用、稍作修改、融合）。右图：使用的建议类型，即动机式访谈（SMI）、情感回应（SER）和情感支持（SPS）。

两张水平堆叠条形图。左图显示每位参与者如何使用建议：直接采用、稍作修改或融合。右图显示每种类型的建议使用次数：动机式访谈、情感回应和情感支持。每根条形对应一位参与者，不同类别使用不同颜色标识。

感知有用性与局限性

七名参与者描述建议总体上与培训期间传授的原则一致，特别是在示范共情、肯定和非评判性语言方面。这些参与者认为三类建议对于启动情感敏感的回应、组织回复或评估已撰写的草稿均有帮助。

对部分参与者而言，建议功能充当了信心支架。PS12强调了其对新手同伴支持者的潜在价值，指出建议有助于确保与基本支持原则保持一致，而PS1则描述了在不确定如何继续时使用建议进行构思。其他参与者，如PS5和PS10，发现建议有助于扩展或完善他们的回复，其中PS10评论称某些建议"比[他们]自己写的更好"。虽然PS7和PS11保留了个人风格（如建立融洽关系的方法），但他们也从建议中直接汲取灵感。

然而，局限性也受到了关注。几名参与者（n = 4）觉得建议未能充分契合对话情境，有时在融洽关系尚未充分建立时就介入处理问题。正如PS1所观察到的："建议[并不总是]与SimClient真正说的一致。"真实性方面的担忧也随之出现。部分参与者（n = 3）描述建议过于笼统或"教科书式"，对感觉像照本宣科或在互动早期情感投入过度的语言表达感到不适。PS11担心诸如"我在这里陪着你，你并不孤单"之类的措辞如果过早使用可能会助长依赖关系，而PS7则更倾向于温和的方法，如开放式提问或转移注意力，而非明确的安慰。

可用性问题与设计建议

参与者对建议的时机和响应速度体验不一。几名参与者（n = 3）指出建议常常在对话后期才出现，有时在他们已经撰写或发送回复之后才显示。这种延迟降低了该功能在消息撰写过程中的实用性，并偶尔打断了对话流程。

重复和有限的上下文适应也是参与者提出的关切。两名参与者观察到建议之间存在重复，且输出内容未能充分反映不断演变的聊天记录。这些参与者表达了对建议能够更清晰地适应先前轮次、情感变化和对话语速度的期望。

参与者提出了多种设计改进方案以解决这些问题。几名参与者建议加快获取支持的途径，例如设置可随时调用的提示或指令（PS10），或在撰写过程中更早地提供建议。其他参与者提出了让支持者能够更主动地定制建议的交互技术，包括拖放编辑（PS5）、点赞或踩的反馈以指导未来输出（PS7），以及将完整回复与关键词级提示相结合的混合方法（PS3）。部分参与者还建议将建议功能扩展到回复生成之外。PS12建议在高危情况下集成资源链接，而PS8则提出基于专业最佳实践对已撰写的回复提供上下文反馈。PS7建议允许建议暂时接管对话，以便在不妨碍支持的情况下进行短暂休息。

4.2.3 情感状态可视化图的使用

使用模式与解读

参与者在情感状态可视化图的使用方面存在差异。三名参与者报告了积极使用，主要通过参考唤醒度图表来指导对话节奏和语气。PS2和PS12使用图表来确认何时结束对话，而PS9在看到"中等偏负面"的变化时调整了语气。眼动数据佐证了这一点，显示在关键语气转换时刻，参与者在输入回复前会查看可视化图。

第二组（n = 3）报告了偶尔或确认性使用，会查看可视化图但发现直接对话内容更具信息量，因为他们觉得图表更适合回顾性分析。其余参与者（n = 6）报告了极少或完全没有使用。这些参与者要么不了解如何解读可视化图，要么认为其与他们的支持策略无关，转而专注于撰写回复。PS3仅在会话中途才关注可视化图，将其影响力评为"5分中的1.5分"。

在各参与者中，文本线索始终优先于图形指示器。即使在积极使用者中，可视化图也只是间歇性地影响行为，而非持续性地发挥作用，充当的是次要参考而非行动的主要驱动力。

设计改进建议

参与者提出了改进方案以提升清晰度和可用性。部分参与者（n = 3）认为"效价"等技术术语难以理解，建议使用通俗易懂的替代词如"参与程度"。其他参与者（n = 3）建议在可视化中展示一组主导情绪随时间的变化，以更好地传达情绪趋势而不增加视觉复杂性，或使用颜色编码的指标来降低认知负荷。界面级别的调整也受到了建议。PS10建议将可视化图重新定位到SimClient标签附近以提高可见性，而PS2则倾向于用更直接的基本情绪表示来取代效价-唤醒度显示。部分参与者指出，持续监控可视化图增加了情感压力而非支持，将该功能描述为既"有压力"又可能有帮助（PS12）。虽然少数参与者觉得该工具提供了信息或肯定，但大多数人最终更倾向于依赖文本和人际线索。该可视化图被视为一个有前景的辅助工具，但需要改进才能更好地支持实时同伴支持。

4.2.4 投入的个体差异

为了超越叙事性的对比，我们考察了建议使用中的差异是否可由同伴支持者的AI熟悉程度、人格特征和经验年限来解释。

AI熟悉程度

参与者对AI的熟悉程度为中等（在5分李克特量表上均值为3.75，SD = 1.06），使用频率也为中等（在7分李克特量表上均值为3.83，SD = 1.80）。值得注意的是，6名参与者（50%）报告每周使用AI工具少于4次。然而，与建议使用的关联较弱：熟悉程度（r = 0.12）和使用频率（r = 0.11），表明一般的AI熟悉程度可能无法可靠地预测参与者如何将建议整合到他们的互动中。

虽然PS5和PS10等高频AI使用者（分别为每周6-7次和10次以上）更容易采纳建议（分别为70%和64.71%），但PS11等其他高频用户则完全回避使用建议，理由是风格不匹配。

相反，PS1尽管自评不熟悉AI（1分）且报告从未使用过AI，却以适度的采纳率（15.38%）使用了建议。PS3自评使用频率较低（每周2-3次），她评论道"建议对于那些……刚起步的人会有帮助"，尤其是在不确定的时刻。

人格特征

参与者的尽责性水平为中等（在5分量表上均值为3.17，SD = 0.50），表明他们倾向于有组织和目标导向，但程度并不强。尽责性与建议使用之间的关联最强，虽然关系较弱（r = ?0.25），这可能反映了参与者更偏好撰写个人化回复的倾向。其他大五人格特质和认知需要值均未显示出有意义的关联（见附录F）。虽然单凭人格特征可能无法预测建议的采纳率，但它们可能与支持风格和感知到的系统契合度产生交互作用。

生理指标

生理测量值在参与者和互动片段之间表现出变异性。我们使用RMSSD作为副交感神经活动的指数来考察心率变异性，将聊天前的基线段与聊天互动态段进行比较，同时考察对话中较短和较长回复间隔内的变化。

12名参与者中有7名在从聊天前到聊天阶段的过程中RMSSD出现增加，而12名中有9名显示平均心率下降（平均变化：?1.91 bpm），这表明对许多人而言，一旦对话开始，生理唤醒便有所消退。

较长的互动片段（根据参与者与SimClient之间消息的间隔时间来界定）平均数值高于较短片段。这表明在持续投入的较长时段内，副交感神经激活程度更高，这可能反映了持续的注意力、反思或消息撰写，而非急性应激反应。重要的是，生理模式与自我报告的情感体验或观察到的系统使用之间并不总是一致的。

描述互动过程平静或情绪中性的参与者有时表现出升高的RMSSD，而另一些参与者尽管报告了犹豫或认知努力的时刻，却几乎没有生理变化。同样，经常使用"建议"功能的参与者与未使用的参与者之间的HRV指标也没有系统性差异。综合来看，这些发现表明HRV的变化似乎反映了参与度的动态差异和回复的构建过程，而非主观痛苦或系统诱导的认知负荷。

眼动追踪数据用于检查交互过程中参与者对系统各组件的视觉注意力，特别是聊天窗口、建议功能和情绪状态可视化。在各参与者中，目光通常在主动编写消息时集中于聊天界面，打字时对其他系统元素的注视很少。对于报告主动使用建议功能或情绪状态可视化的参与者，眼动追踪数据显示他们在特定互动时刻（例如收到来访者消息后或等待下一次回复时）对这些元素有短暂但反复的注视。这些注视通常发生在草拟回复之前或消息发送之后，而非在编写文本的过程中。一个例外是PS12，他报告查阅可视化图表以评估自己的回复是否在帮助来访者情感上。

报告极少或完全不使用这些功能的参与者偶尔也会瞥向它们，但这些注视短暂且不频繁。这些注视最常见于空闲时段，例如等待SimClient回复时，且未能可靠地预示回复内容或策略的变化。

总体而言，对建议功能或情绪状态可视化的持续视觉关注并未系统性地与更高的采用率或更强的行为影响相对应。这表明这些功能主要作为背景参考而非指令性输入发挥作用，支持其作为可选辅助工具而非焦点决策工具的定位。

工作经验年限。同伴支持经验年限与建议功能的使用呈适度的负相关（r = ?0.24）。中位数分割显示，经验丰富的同伴支持者比经验较少的参与者更少依赖建议功能，表明经验可能会影响辅助工具在实践中的整合方式。

**研究2：专家对研究1互动的看法**

**5.1 方法论**

**5.1.1 参与者**

我们招募了6名心理健康专业人士（4名女性），包括1名临床心理学家、4名持证咨询师和1名医务社会工作者（见表4）。参与者年龄25岁及以上（均值 = 39.5，标准差 = 8.9），拥有4至20年（均值 = 11.6，标准差 = 7.70）的专业经验，持有临床心理学、咨询或社会工作方面的正式资质，至少拥有心理学、社会工作或相关领域的学士学位。在职业工作之外，两名参与者（E2、E5）还在在线平台上担任志愿者同伴支持者。本研究的医务社会工作者（E1）持有高级认证，并积极从事心理健康干预及更广泛的医疗社会服务工作。虽然这些参与者具备正式的心理社会培训背景，但其评估被视为基于专业治疗规范的视角，而非正确性的绝对基准。鉴于同伴支持缺乏标准化定义，本研究旨在识别专业支持与同伴支持实践之间的趋同点与差异点，而非确立固定标准。

**表4 研究2参与者特征**

| ID | 年龄 | 性别 | 学历 | 族裔 | 雇佣形式 | 职业 | 同伴支持志愿活动（工作之外） | 专业经验年限 |
|---|---|---|---|---|---|---|---|---|
| E1 | 25-34 | 女 | 学士 | 华人 | 合同工或临时工 | 医务社会工作者 | 否 | 6 |
| E2 | 45-54 | 男 | 硕士 | 华人 | 兼职 | 咨询师 | 是 | 5 |
| E3 | 45-54 | 女 | 学士 | 华人 | 全职 | 咨询师兼社会工作者 | 否 | 20 |
| E4 | 35-44 | 男 | 博士 | 印度裔 | 全职 | 咨询师 | 否 | 7 |
| E5 | 35-44 | 女 | 硕士 | 华人 | 全职 | 临床心理学家 | 是 | 20 |
| E6 | 25-34 | 女 | 硕士 | 马来裔 | 全职 | 咨询师 | 否 | 4 |

**5.1.2 研究程序**

每次会话包括五个环节：访谈前阶段、视频回顾1、视频后访谈1、视频回顾2和视频后访谈2，全部以面对面方式进行，并进行屏幕录制和音频录制。

**访谈前环节**

参与者完成人口统计学问卷和一份关于其专业背景、提供心理社会支持的经验以及对数字化心理健康干预看法的半结构化访谈。这为后续的评估提供了背景框架。

**视频回顾与有声思维环节**

参与者随后回顾研究1（聊天阶段）的两段匿名录像（根据时长及建议功能和情绪状态可视化的使用情况有所差异，见附录G），并以专业的视角对对话的适当性、真实性和同伴支持者的决策过程进行同步有声思维反思。

**视频后问卷与访谈环节**

每段视频之后，参与者完成一份简短的问卷，评估SimClient、建议功能和情绪状态可视化。随后进行半结构化访谈，探讨同伴支持者的回应、优势与局限以及LLM在塑造互动中的作用。回答完第二段视频的问题后，参与者对LLM支持的同伴支持的前景与潜在陷阱进行了总体反思。

**5.1.3 数据分析**

与研究1类似，由一名研究者迭代编码访谈和有声思维转录稿，通过反复细读和撰写备忘录来完善编码和主题。

**5.2 结果**

**5.2.1 对同伴支持者回应的评估**

**消息长度、对话节奏与互动质量**

为提供专家评估的背景参考，我们检查了基本的对话特征，包括会话时长、对话轮次和消息长度分布（见表3；图3）。然而，专家对节奏和互动质量的解读不能简单地还原为这些表层指标。

专家们一致认为，节奏是一种互动质量，受对话空间如何通过轮次排列来维持、对SimClient线索的回应性以及安慰或建议时机等因素影响。较短的互动并不被感知为仓促，较长的会话也不一定意味着更多的反思。例如，E4将PS2的互动（约20分钟、34轮，属于最短的会话之一）描述为进展过快。同样，PS3的会话（约23分钟、24轮）也遭到E2的批评，认为其未能维持对话空间并过早地倾向于结束，尽管其消息长度和轮次与其他会话相当。相反，时长明显更长、轮次更多的会话（例如PS7、PS11）同样遭到批评，但原因与节奏相关的问题不同，包括认知超载和对话偏移而非速度。综合来看，这些案例表明，专家对节奏的感知更多受到互动控制和情绪共鸣的影响，而非所花时间或话多话少。

在短促和长时间的互动中均观察到过早给建议的现象，表明给建议反映的是同伴支持者的对话策略，而非累计的互动时长。在较长的会话中，这有时表现为越来越具有指令性的指导，而在较短的会话中，建议在未充分探索SimClient的关切之前就被引入。专家们还指出，给建议往往伴随着假设性判断，即同伴支持者推断出SimClient并未明确表达的情绪、动机或问题结构，有时引入了与SimClient的表述框架不一致的语言。

**观察到的优势与不足**

专家们指出了同伴支持者回应中的诸多优势，包括使用与PFA（心理急救）和咨询相契合的技术，如复述、肯定和正常化。当这些策略以SimClient的语言为基础并用于引导深入表达时，通常被体验为具有支持性和情感共鸣的。例如，E1指出PS1对SimClient关于享受游戏社交方面的评论做出了镜像式回应，引导对方深入表达；而在诸如"那些听起来是很具体的建议"（E1对PS1的评价）和"是的，这确实是正常的"（E3对PS8的评价，当时SimClient质疑自己情绪的正当性）这样的回应中，肯定和正常化也被观察到。E3还称赞PS5通过"我很感谢你的坦诚"来鼓励SimClient敞开心扉。

专家们还指出，同伴支持者有效地运用了基于个人体会的同理心表达，同时未将焦点从SimClient身上转移开。例如，E3称赞PS5使用个人策略来产生共鸣而不喧宾夺主，创造了一种共同体验的感觉。E2称赞PS3使用"我完全理解你的感受"，并分享说"使用第一人称表达"能有效传达同理心，同时表现出倾听的意愿。更多非正式的元素，如问候语、表情符号和自然的排版变化，也被认为有助于营造更人性化、更亲切的语气（E6对PS11的评价）。

尽管有这些优势，专家们也观察到了一些互动不足。模板化或过于正式的共情回应经常被视为机械化的，尽管传达了基本的同理心，却降低了情感真实性。例如，E1评论说PS4的整体语气虽不那么机械化，但偶尔偏离最佳实践，而PS1反复使用"谢谢你的分享"等短语显得公式化而非真正的共情。

专家们还对语言可及性和认知负荷提出了关切。被认为冗长、抽象或语言复杂的回应被描述为认知要求过高，尤其是在情感敏感的时刻（E1、E4、E5）。这些批评并非仅仅与消息长度相关，而是与句子结构、抽象程度以及引入SimClient语言中未涉及的概念有关，即使出发点是善意的，也可能降低情感共鸣。

**与专业标准的紧张与偏差**

专家们一致指出，虽然许多同伴支持者的回应出于善意，但偶尔偏离专业咨询预期，他们认为这可能是由于培训差异、角色清晰度和情境判断力方面的差异所致。过早给建议很常见，特别是在未充分了解SimClient的关切之前。这种倾向出现在多个会话中，形式各异。在某些情况下，如PS5这样的同伴支持者过早引入可操作的建议，限制了共同调节和反思的机会。例如，E4批评PS7从分散注意力的方式转向以建议为主的回复，与同伴支持原则相冲突，并将PS2与SimClient的互动描述为更像教练而非PFA导向的支持，尽管提供了资源，但探索深度有限。同样，E5观察到PS12有时给出准治疗性建议，尽管偶尔通过询问这些建议是否有帮助来缓和语气。

偏差还出现在同伴支持者如何解读和回应SimClient的线索方面。专家们指出了一些在没有充分依据的情况下推断情绪、动机或进展的实例。例如，引入个人框架或假设进展的回应被认为与SimClient的情绪状态不一致。E3观察到PS8说"我和你一样，我也会找人倾诉我的担忧"，这句话与SimClient的低能量状态脱节，错失了深入反思的机会。同样，E2建议PS3可能将SimClient的附和误判为真正的进展，忽视了可能的讨好倾向。

一个相关的关切涉及那些转移或稀释情感处理而非为其提供空间的回应。一些互动变得越来越像审讯（例如PS6与SimClient的互动）或转向分散注意力（例如PS7与SimClient的互动），更像是结构化提问或话题转移而非持续的情感参与。具体而言，E4注意到PS7试图让SimClient关注落叶变黄来分散其注意力。虽然这些策略可能暂时缓解痛苦，但专家们警告说它们有抑制而非支持情感处理的风险。

在可能存在风险或脆弱性增加的场合，这些关切尤为突出。在这种情况下，未充分探查潜在痛苦就过快转向解决方案被视为严重局限，特别是在存在潜在风险线索时（例如SimClient对PS4提到想要"逃离这一切"）。

**认知负荷与互动可持续性**

专家们经常将认知负荷识别为一个关键挑战，有10次互动被评估为对SimClient要求过高。这些关切不仅仅由消息长度驱动，还取决于复杂性、提问方式和对话节奏的管理。

结合多个提示、抽象措辞或指令性指导的回应往往让人感到不堪重负。例如，E6指出PS11使用双重问题或提示（例如"你觉得他们有多看重这段友谊？"）以及持续超过10分钟的闲聊导致了"笔友式对话"，延迟了情感袒露并增加了认知负担。同样，E5指出PS12的回应虽然出于善意，但由于篇幅长且复杂，有令人不堪重负的风险。

专家们还指出，认知负荷如何受到互动时机和准备程度的影响。PS11在尚未建立SimClient准备程度之前就提出的指令性建议被认为要求尤其高，因为它们以同伴支持者的假设为中心而非以SimClient的需求为中心。同样，E4观察到PS7冗长且富有暗示性的消息施加了过高的认知负荷，评论说在情感语境下"有太多内容要消化"。有一次，PS7的语气被描述为过于机械化且脱节，以致E4质疑该同伴支持者是否是人，几乎像是一个被植入的AI生成的同伴支持者来测试他们的判断力。

**专家对支持者判断力的批评**

在评估同伴支持者的回应时，专家们经常提及建议功能的存在，以评估支持者如何运用判断力来采纳、改编或忽略这些建议。专家们关注的不是正确性，而是支持者的选择是否反映了他们对SimClient线索的回应性、对话时机以及与同伴支持原则的一致性。

在各会话中，专家们一致认为选择性和付出努力的改编优于逐字照搬（见图7）。

当同伴支持者在改写可用建议以使其更好地适应对话情境、语气或顺序时，这被解读为具有专业判断力的表现，而非偏离。建议的功能是作为比较性参考点，而非规范性指南；专家的批评集中在支持者如何驾驭结构与灵活性之间的取舍——将建议作为脚手架，同时保持对互动的自主权。附录H中提供了说明这些判断模式的标注示例。

图7. 同伴支持者与SimClient互动的标注示例，展示建议是如何被有选择地改编为共情式、反思式回应的，并被领域专家评估为脚手架而非规范性模板。

该图为一标注示意图，展示了一段基于文本的同伴支持对话，其中模拟客户表达了孤独感和友谊逐渐疏远的感受。左侧为客户消息，其后跟随三种AI生成的建议类型，分别标注为S_MI、S_ER和S_PS，分别代表反思性提问、情感认可和解决问题或提供支持。同伴支持者将这些建议整合和编辑为一条混合型回应，将孤独感重新框定为正常现象，并提出一个温和的跟进问题。右侧为专家评估面板，指出同伴支持者优先考虑了细致的编辑工作和回应性，将AI输出转化为真实的反思性脚手架，而非逐字照搬。

专家还强调了同伴支持中固有的角色张力。鉴于其非临床属性，同伴支持者不被期望执行治疗性任务，如正式风险评估或结构化问题解决。相应地，鼓励性陈述、非正式安抚和有限的自我披露等行为被视为同伴支持语境下的可接受行为，即便它们与专业咨询规范不一致（E1、E3、E5）。这些行为被解读为边界协商的形式，同伴支持者在此过程中平衡关系温暖感与变得过于主导或否定对方感受的风险。然而，专家也劝阻使用含糊的鼓励（如"你应该肯定自己"）、过度笼统的措辞（如"我理解你"），或在没有清晰总结的情况下突然结束对话，因为他们警告这些做法可能削弱信任，且未充分承接情感需求。

**改进建议。** 专家提出建议以增强同伴支持互动的质量、安全性和情感效果。第一，专家强调了更温暖、更具肯定性的开场白的重要性，以减少犹豫并鼓励表达。例如，E2建议将PS10的开场白从"今天是什么把你带到这里来的？"改为"你好，欢迎……你的到来很重要"，以降低自我表达的障碍。

第二，专家强调了需要校准自我披露和共情程度。简短的"我"或"我们"语句被鼓励用来传达共情，同时不以同伴支持者的经历为中心，而非完整的个人自我披露（E2），同时在跟进提问前需进行更扎实的情感锚定（E5）。例如这样的表述："很高兴你愿意开口说出来；友谊确实会让人感到困难"，可用于表达共情，而不以同伴支持者的个人生活为中心。

第三，节奏和对话焦点被确定为关键要素。专家建议放慢提供建议的速度，优先进行反思性倾听，并弱化问题解决。开放式提问、释义和温和地邀请SimClient展开详述始终受到鼓励。例如，过早转向问题解决被认为限制了与SimClient的关切进行更深入互动的机会（E3）。

与此相关，专家强调了给予情感空间并让SimClient有时间处理情绪的重要性。冗长、复杂或过早具有指导性的回应被认为会造成信息过载，特别是当SimClient尚未准备好接受建议时（E4、E5）。即便自我披露是恰当的，也需要明确地围绕SimClient的体验展开，以保持相关性（E6）。这将有助于确保同伴支持者的回应不会给SimClient施加额外的认知或情感负担。

最后，专家强调了有意识且情感可控的收尾方式的作用。他们建议总结关键主题、认可对方的情感付出，并表明持续支持的意愿。例如，E4批评了PS7使用的含糊收尾（如"愿和平与你同在"）缺乏足够的落地感，而E4和E6认为更有结构的收尾方式（如澄清进展、提供结论、表明后续跟进的意愿）能够更好地支持持续性和信任的建立。为了更好地与同伴支持原则保持一致，E6建议而非提供未经请求的建议，而是将建议重新框定为探询式、以客户为中心的提示语，例如"如果在这个领域探索你的优势，你觉得会是什么样子？"

**5.2.2 LLM支持组件的评估**

**对SimClient的评估。** 专家评估结果显示了对SimClient褒贬不一的评价。在审阅的12个会话中，66.7%被评为自然。拟人度中位评分为4（四分位距=1.25），真实感中位评分为3.5（四分位距=2），如图8所示。

图8. 研究2中SimClient的专家评分分布（采用7点Likert量表）。色段宽度和颜色强度表示各评分点的频率。上图：拟人度。下图：真实感。评分范围从1（完全不是）到7（极度）。

该图为水平堆叠条形图，展示研究2中拟人度和真实感两项指标的专家评分分布。每个条形代表一个评估标准，各段对应1至7的Likert量表值。色段宽度和阴影强度编码了各评分点的专家评分数量，突出显示真实感方面的集中度与一致性高于拟人度方面。

专家与同伴支持者的评分一致性较弱（自然度：Cohen's κ = ?0.24；拟人度：r = 0.20；真实感：r = 0.18），表明尽管使用了相同的评分量表，双方仍存在分歧。如表5所示，12个会话中有11个至少存在一个评分分歧点。同伴支持者对SimClient的评分始终高于专家，尤其在拟人度和真实感等主观维度上差异更为明显，差距从1个到4个评分点不等。

表5.

| 同伴支持者(PS) | 专家(E) | 自然度(PS/E) | 拟人度(PS/E) | 真实感(PS/E) |
|---|---|---|---|---|
| PS1 | E1 | 是/是 | 4/5 | 4/5 |
| PS2 | E4 | 是/否 | 6/3 | 6/3 |
| PS3 | E2 | 是/是 | 4/4 | 5/5 |
| PS4 | E1 | 是/是 | 6/5 | 6/5 |
| PS5 | E3 | 否/是 | 4/5 | 5/4 |
| PS6 | E6 | 是/否 | 4/2 | 4/2 |
| PS7 | E4 | 否/否 | 4/3 | 4/3 |
| PS8 | E3 | 否/是 | 2/4 | 3/3 |
| PS9 | E5 | 是/否 | 7/4 | 7/3 |
| PS10 | E2 | 是/是 | 6/6 | 5/6 |
| PS11 | E6 | 否/是 | 5/4 | 4/3 |
| PS12 | E5 | 否/是 | 4/4 | 5/4 |

同伴支持者(PS)与专家(E)在研究1和研究2中三个评估标准上的评分对比。红色字体表示PS与E在该标准上存在分歧。

专家认为SimClient所提出的学校压力、友谊困难、孤独感和对情感认可的渴望等问题具有熟悉感。在整个会话过程中，SimClient被描述为礼貌且懂得感恩，经常表达感谢（如"感谢你的倾听"、"你的支持对我来说意义重大"）（E1、E3、E5）。E1进一步观察到，SimClient对可执行下一步行动的导向性反映了现实中寻求具体指导的来访者的特征。

然而，一些专家注意到SimClient缺乏真实痛苦中常见的犹豫、抗拒和反复思虑，反而过于详细（E3、E4、E5）。SimClient往往跟随同伴支持者的对话节奏（E2、E4），并过于迅速地引入多个关切，缺乏充分的情感锚定。因此，E2指出SimClient过度依赖认知描述词（如"焦虑"）而非情感状态词（如"恐惧"），模糊了SimClient究竟是在经历情感困扰还是认知压力。E4观察到SimClient的消息复杂度往往与PS7同步——对方输入复杂时SimClient产生复杂的回复，对方输入简短时则产生简化的回复。大多数专家（n=5）还指出，在12个会话中的9个里，SimClient的回复过于精致、语法过于一致，降低了感知到的拟人度。E4将SimClient描述为"太完美"且过于顺从，E5则称其"太乐于助人"，让人难以置信地容易平静下来。他们指出，真实的来访者更可能纠结于感受、犹豫或抗拒建议，而非在11分钟内变得"积极而快乐"。E6同样注意到，在与PS6的互动中，SimClient显得过于积极主动，明确提出"你能帮我吗？"并在几乎没有抗拒的情况下接受第一个建议，而非纠结于情绪、犹豫或抗拒支持。E6预期真实的痛苦来访者不会在11分钟内变得"积极而快乐"。在PS11的会话中，SimClient被描述为异常顺从且多话，有时甚至反转角色，询问同伴支持者的近况或他们是否有什么想分享的。E2和E3将这种角色反转解读为强化了过于顺从和讨好他人的表现方式，从而掩盖了更深层的情感痛苦。

**对建议的评估。** 总体而言，专家认为建议与PFA或同伴支持原则的对齐度略高于中性（7点Likert量表上均分为4.1，其中1=完全不一致，7=完全一致）。在形成这些评估时，专家还考虑了来自研究1的眼动追踪数据，该数据表明即使未采纳建议，部分参与者也会视觉关注建议区域。这被解读为选择性认知处理的迹象，引发了对时机和感知相关性的担忧。

将建议分类为不同类型这种做法被一致认为是有效的脚手架形式，尤其对经验较少的同伴支持者而言。专家描述这种结构体现了循证实践（E1、E5、E6），有助于审慎考量（E1），使支持者能够暂停并考虑不同的措辞方式。E6补充道，S_MI和S_ER在任何时刻都可能有用，而S_PS通常更适合在对话后期出现，而非作为开场。在某些情况下，建议被看到提供了比同伴支持者的回复更具情感适切性或更相关的选项，例如E4观察到PS7忽略了更合适的建议。在PS6和PS11的会话中也观察到类似情况，E6指出建议通常是合理的，有时甚至比同伴支持者的回应更符合咨询实践。然而，专家也强调，有效使用取决于选择性改编而非直接照搬，灵活整合被视为判断力的有力标志（如E5对PS9的评价）。

然而，专家也指出了局限性。重复性是常见的担忧，特别是在S_PS类别中，解决方案导向的提示语会在未先确认或为SimClient的情绪留出空间的情况下提供信息性支持并急于给出解决方案（E2、E5）。某些建议显得"半对半错"，提供了笼统的共情或激励性陈述，但缺乏与SimClient当下关切或其用词之间的清晰联系（E4）。E2还注意到同伴支持者面临的认知负荷问题——他们需要处理多条建议、评估情境适配性，并将这些整合到自己的语言中，在时间敏感的场景中可能造成困惑。

时间错配进一步影响了这些局限性。E6观察到，建议可能会变得重复或过于静态，在PS6的会话中跨越多轮保持不变，在PS11的会话中则滑入泛泛之谈。虽然建议确实会更新，但并不总是能很好地契合SimClient的披露内容。在某一次情况下，如"这是成长的一部分"这样的共情陈述，可能因过早地将SimClient的困扰正常化而使其感受被否定。

在定量方面，建议使用与专家评估之间呈现出复杂的关系。被评为自然的会话中建议使用率均值较高（29.58%），而被评为不自然的会话中较低（8.14%）。建议使用与专家评分的自然度呈中等正相关（r = 0.435），无论是直接使用（r = 0.420）还是间接或合并使用（r = 0.308）均如此。相反，建议使用与专家评分的PFA对齐度呈中等负相关（r = ?0.331），尤其是间接或合并使用方面（r = ?0.385）。值得注意的是，极少使用建议并未导致更自然的互动。

**情绪状态可视化的实用性。** 专家通常将情绪状态可视化（与聊天记录同步查看）视为同伴支持者决策的辅助而非核心内容。尽管眼动追踪数据显示偶尔有视线转向可视化区域，但这些时刻短暂，通常发生在对话停顿期间而非主动撰写消息时，表明持续关注有限。

与此解读一致，大多数专家对情绪状态可视化没有发表评论，除非视线偏离特别明显——即便如此，也被描述为从聊天界面短暂移开，而非有意义的互动。在定量方面，专家对情绪状态可视化持谨慎乐观态度：尽管这些可视化仅在40%的聊天记录中被认为有帮助，但所有专家都认为其在改善情感适切性和节奏方面具有潜力。

在确实发生互动的情况下，专家强调了可视化趋势而非离散情绪状态的实用性。专家指出，唤醒度的变化可以提示对话影响力的转变，即使效价仍为负值。例如，E1注意到唤醒度的降低即使悲伤情绪仍然存在，也可能标志着进展；E3则建议顶部指标条的改善可能影响了对话节奏。然而，专家也质疑了这些信号的逼真性和可靠性。E6指出，虽然唤醒度趋势可见且有时有趣，但与真实波动的情感动态相比，这些转变显得过于整齐；E4则提醒，显示的情绪改善可能在缺乏额外背景信息的情况下误导对对话质量的判断。

这一现象在PS7对SimClient给出次优回应时被观察到，这些回应本应引起烦恼而非过度的效价/唤醒度变化。这些担忧因解释和使用性问题而加剧。E5和E6警告称，未受训的同辈支持者可能会过度依赖或误解情绪标签，从而导致不准确或使对方感到被否定的回应。同时，实时互动的要求引发了E3关于同辈支持者是否能在持续对话的同时有意义地与可视化交互的疑问。因此，建议主要集中在提高可解释性和集成性方面。提出了一系列改进方案，包括更简单的术语（例如，用"压力水平"替代"效价"）、更清晰的情绪标签（例如，"愤怒、恐惧"）、更直观的布局以及风险指示器（E1、E2、E5、E6）。对于真实客户，E2和E4提出了结合多个数据点（如生理数据、击键模式或注视数据）的建议，但强调这些指标需要进行基线校准，并通过系统反馈不断改进。综上所述，这些发现表明专家认为当前情绪状态可视化的实现方式更像是环境提示而非可操作工具，其价值取决于可解释性、有效性和与对话流程集成的改善。5.2.3 对系统设计和培训的启示。系统设计考量。专家强调，此类LLM支持系统层面的设计选择强烈影响着同辈支持者的互动行为和认知负荷。虽然SimClient、建议和情绪状态可视化等工具被认为有前景，但其当前配置需要改进以更好地符合同辈支持原则。对于SimClient，专家强调了需要更多拟人化和真实的行為变化。当前的互动被认为过于条理分明、情感克制且高度配合，限制了同辈支持者练习管理犹豫、模糊和抵抗的机会。这减少了在犹豫或情绪不确定时提供空间的机会，并产生了不切实际的流畅对话（E1、E4、E5）。为此，专家建议引入更大的行为多样性，包括自发的情绪表露、话题转换和选择性抵抗。例如，E1建议纳入自发表露，而E6强调放慢回复节奏以引入对话摩擦。专家还强调了将SimClient基于更连贯和拟人的画像（如通过人格特质、塑造性经历和较少修饰的语言模式）的重要性（E3、E4、E5）。对于建议，担忧集中在重复性、时机和认知负荷方面。专家指出，同时显示多个建议类别要求同辈支持者在情绪压力下评估相关性、时机和措辞，增加了认知需求（E2、E3、E4）。专家不建议增加选项数量，而是推荐更具情境敏感性的交付方式。这包括根据对话阶段排序建议、在早期突出共情回应，并更谨慎地引入以解决方案为导向的提示。他们还提出允许用户控制建议生成时机，在同一类别内提供多种措辞变体以支持更灵活的整合，并在同一类别内提供重写以支持更灵活的整合（E4、E5、E6）。在界面层面，专家强调了更好地支持同辈支持者的方向感、角色清晰度和情感意识的机会。例如，E1建议使用不同的颜色或标签来帮助同辈支持者区分多个客户（如果需要），而其他人更广泛地强调了强化同辈支持者的非专业角色，这涉及提供情感支持而非正式的干预措施。诸如检查与SimClient情绪状态一致性之类的机制被视为在不越界的情况下维持调适的方法。最后，为减少同辈支持者倦怠并支持其情感调适，E3提出将无侵入性的情绪追踪工具（如打字模式和消息内容）扩展到同辈支持者。E4补充说，整合如追踪效价随时间变化等元素，如果经过仔细验证和迭代改进，将是有价值的。这可能使AI系统不仅支持客户的福祉，还能支持同辈支持者不断变化的情绪和认知状态。对同辈支持者培训的启示。专家认为该系统是潜在有用的培训工具，但强调其当前设计限制了其在为同辈支持者准备真实世界互动方面的效果。他们建议改进以有效模拟复杂的情绪动态、客户抵抗和拟人化的痛苦。对于SimClient，缺乏行为复杂性被视为关键局限。专家指出，过于配合和情绪一致的回答减少了练习调适、设定界限和管理痛苦升级的机会。他们认为系统可以作为第一阶段培训工具，让同辈支持者练习诸如释义和总结等技能，但不足以准备应对可能失调或抵抗的真实客户。为提高培训价值，专家建议引入人格特质、背景故事和情绪模糊线索以更好地反映真实世界的多样性。对于建议，E4警告不要采用指令性框架，建议将其作为可选提示呈现，同时培训如何解读、适应或拒绝它们。缺乏此类指导，新手可能会不加批判地采用，减少了练习反思性倾听和释义等关键技能的机会。专家一致认为，情绪状态可视化可能支持节奏和共情，尤其是在异步情境中。然而，E2和E5强调需要简化呈现、清晰的术语、解读培训、更清晰地整合分类和维度模型以及内置反馈机制。6 讨论6.1 AI作为协作伙伴：平衡支持与自主性。我们的发现突显了将LLM整合到同辈支持中的潜力和局限，特别是结构化指导与真实、情境敏感互动所需的对话灵活性之间的张力。参与者认为建议是强化培训原则并在不确定时增强信心的脚手架，但也报告了阅读、评估和适应提示时增加的认知努力，同时需要管理对话流程。错位的或滞后的建议特别具有破坏性，有时会削弱关系即时性。这些动态可以通过情感劳动的视角进一步解读，Hochschild [21]将其描述为调节自身情感的同时对他人情绪的回应。在关怀导向的环境中，这包括识别、提供空间并对他人的情绪状态做出敏感回应[65]。同辈支持者必须维持共情、管理节奏并提供情感空间，即使系统干预重塑了注意力需求。因此，AI脚手架风险在于转移而非减少努力。在AI支持协同写作中也观察到了类似的张力，用户需要在脚手架和真实性之间取得平衡。一些参与者指出，虽然建议在概念上有帮助，但他们更偏好基于经验的措辞以及对情感语气和意图性的更大控制权，这与AI辅助写作中关于"双重工作"的发现[24]相呼应，强调了对改善时机和框架的需求。对逐字采用AI提示可能导致"机器与机器对话"动态的担忧进一步突显了对真实人际连接的风险。未来的系统可以采用阶段性敏感支持，将建议限制在特定对话阶段或允许手动触发，使AI随着对话深入而调节其角色。初始阶段可能优先建立融洽关系，而后续阶段可侧重于解决问题或情绪确认。信心或情感语气线索可以进一步支持相关性，前提是保持自主性并通过反思性练习[41]促进学习。参与者还更偏好模块化的内联提示而非全文替换，并重视对建议刷新的手动控制，这与之前关于人机协作[73]和重写用户回应[72]的工作一致。也提出了按熟练程度区分支持，为新手提供更指令性的提示，为有经验的支持者提供精化。6.2 标准与错位：弥合同辈支持与专业实践。我们的研究揭示了同辈支持者实践与专家标准之间的张力，突显了同辈支持碎片化的格局。虽然同辈支持者展现了肯定和建立融洽关系的能力，但专家指出了在节奏、提供空间方面以及倾向于提供建议方面的差距，反映了不同的关怀模式。这些张力因定义模糊而加剧。在我们的情境中，生活经验并非总是先决条件，同辈支持跨越多种角色和方法，导致在协议和边界方面存在差异。研究1的参与者自我认定为同辈支持者，但他们的实践被专家标记为"错误"（例如，指令性建议），可能符合同辈支持情境。例如，自我表露或实用性检查被专家批评为错位、不相关甚至冒充，但可以在同辈支持情境中培养团结和可及性[78]。相反，快速解决问题被视为表面关注，但被认为是潜在有用的，如果被重新审视或用于鼓励寻求帮助。此外，同辈支持者通常比专家对SimClient评价更高，在各标准上协议度较弱（表5）。这些分歧不仅反映了不同期望，还反映了不同的关怀和成功标准。在此视角下，我们的系统作为诊断探针，揭示了同辈支持定义分裂和标准分歧之处，有助于为更贴合情境的框架提供信息。LLM支持系统可以通过培训提示、伦理提示或实时升级标志来呈现此类差距并支持更校准的回应，特别是在缺乏专家监督的非正式环境中。然而，此类干预必须植根于本地和文化，例如通过与同辈支持者和专业人士共同设计和微调，而非仅依赖基础模型。这些错位还受到同辈支持和专业实践中情感表达和沟通规范差异的影响。专业框架通常优先考虑明确的情感表达、反思性倾听和持续的情感探索，借鉴了广泛制度化的治疗沟通模式。许多此类模式，如认知行为理论[2]和动机式访谈[55]、辩证行为疗法[43]，源自西方心理学传统，并通过培训和认证结构正式化，这影响了支持质量如何被评估。相比之下，同辈支持可能优先考虑关系连续性、即时性和实用形式的关怀。这因我们的本地情境而加剧，在那里情感克制和间接性被高度看重，导致痛苦通过隐含方式而非明确的情感表露来沟通。在此框架下，诸如提供建议或简短检查等行为可能被专家解读为过早或探索不足，但在同辈支持情境中作为可及且情境适当的关怀表达发挥作用。相反，更扩展的情感确认形式，无论是来自同辈支持者还是建议，虽然与专业标准一致，但在同辈支持情境中可能被感知为过于冗长或与SimClient的即时需求不符。观察到的分歧可能反映了关怀规范期望的差异，这在一定程度上由专业培训的历史和知识论起源塑造，而不仅仅是技能缺陷。这强调了需要能够考虑多种情境依赖支持标准的框架。6.3 设计现实、响应和支持性系统。两项研究的参与者都强调了需要更多情绪真实和关系复杂的模拟。虽然SimClient表达了可共情的担忧，但它缺乏真实世界痛苦中的模糊、抵抗和对话不规律。研究1的定量分析显示消息节奏同步性较弱（r = 0.18），表明有限的相互调整或扩展性脚手架。专家进一步批评SimClient过于顺从、话题浅薄且语法过于工整，从而限制了练习修复、设定界限或应对抵抗的机会。尽管如此，像SimClient这样的受控模拟对于培训仍然有价值，为技能发展提供了稳定和安全的环境。一位参与者在与SimClient互动后报告了重新获得志愿动力，突显了良好设计模拟的价值。未来的改进包括一致的人格画像、脚本化痛苦行为、情感不流畅、表情符号或省略号等功能以及渐进复杂性。专家指导的模拟设计[46]以及在情绪和人口统计特征方面更大的多样性可以进一步增强真实性[87, 89]。文化植根的行为，包括本地痛苦表达规范[86]，仍然至关重要。关系分析框架，如Li等人[39]的框架，可以帮助建模和评估同辈支持者与LLM模拟客户之间不断演变的关系联盟。参与者对情绪状态可视化表达了混合观点。虽然一些人提议分层（包含多种共现情绪）或动态模型来捕捉共现情绪，但许多主要依赖文本线索。专家告诫，整合不佳的指标可能被"游戏化"，增加认知负荷并使注意力偏离关系参与。尽管HRV分析结论不明确，但生理信号对于理解情绪调节仍然前景光明[19, 29, 50]，尤其是作为多模态理解同辈支持者在关注痛苦客户时如何调节自身情绪的一部分。鉴于自我调节不佳可能导致低质量互动从而影响客户结果的情况，未来工作可以考察融洽或破裂是否与自主神经系统变化一致，为情感劳动和互动质量提供更深入的洞察。6.4 关键设计张力6.4.1 人类与AI身份。在低质量支持被感知为AI生成时（例如E4怀疑PS7），这呼应了"反向图灵"现象[69]。这表明对话质量而非精致程度可能影响对人机属性的判断。

尽管SimClient在本地反映了措辞上的冗长性，但整体上的同步程度却较弱，这引发了关于模拟应当优先模仿人类的变异性还是稳定性这一问题的疑问。自适应镜像虽然旨在促进对齐，但有时可能会强化无效的同伴支持模式，或掩盖关系中的不对称性。未来的研究应探讨在何种情况下，人与人之间的互动会被误判为AI驱动的，以及此类误判如何影响对共情、胜任力和信任的感知。随着大语言模型越来越多地融入支持性场景，理解AI的回应性如何影响专业性和关系质量的感知将变得至关重要。

6.4.2 真实性与关系联盟
"Suggestions"（建议）引入的突然语气或节奏变化，可能会因情感线索被扁平化而损害关系联盟。我们的设计允许直接插入建议，这可能会通过鼓励更加事务性的互动风格而放大这一风险。在我们的研究中，极少使用建议并没有导致专家对自然度的评分上升。尽管我们的设计有意使用模拟来访者以确保安全性和可比性，但这同时也意味着我们无法考察真实的求助者会如何解读这些变化，或者AI辅助的措辞如何影响他们的信任、感知到的共情以及倾诉困扰的意愿。这些考量凸显了真实性、信任和关系连贯性是未来AI中介的同伴支持系统必须明确处理的核心设计张力。

6.4.3 信任与顺从
尽管"建议"提供了支架和引导，但过度依赖可能会损害同伴支持者的自主性并抑制学习。自信度的展示可能有助于校准信任和提供安慰，但必须精心设计[41]。此类系统中的信任还表明，会受到领域专长和先前经验的影响[83]，这需要有纵向研究来考察其对采纳、信任和学习轨迹的影响。

6.4.4 融洽感与引导
"建议"中过于正式或脚本化的提示有时会阻碍融洽感的建立，导致一些参与者因感知到关系上的脱节而避免使用它们。这与同伴支持者所感受到的不适相呼应——润色过的AI回应可能显得缺乏人情味或共情不足[88]。语气自适应的提示、社交信号和非正式的言语不流畅可能更好地支持真实性[3, 88]。未来的研究应探讨AI生成的建议如何随不同对话阶段进行适配、求助者如何感知和回应这些建议，以及AI是否能智能地调节其在不同对话阶段的引导方式。纵向研究也有助于揭示AI辅助的融洽感建立是否有助于在较长时间内维持信任和投入。

6.4.5 真实感与多样性
SimClient被设计为在人格和痛苦表达上相对一致，以支持可比性和安全性，但这可能限制了练习适应性、文化敏感度或针对多种来访者类型建立融洽感的机会。未来基于大语言模型模拟来访者的工作应反映多样化的痛苦表达和人口统计学特征（例如年龄、性别、文化或情感风格），以避免强化狭窄的互动模式[87, 89]。将回应建立在与人格特质相关联的基础上[52]并纳入多模态行为[81]，可能增强真实感和技能迁移效果。

6.4.6 支持与认知负荷
基于认知负荷理论[82]，研究1的发现表明，"建议"常常引入了额外的无关认知加工，而非减轻努力。迟来的或冗长的提示会把注意力从诸如情感校准和关系回应等核心加工过程中转移开。实用性在阶段上具有强烈的依赖性：同伴支持者表示，建议在互动初期最有价值，但随着对话的推进则显得重复或不匹配。专家观察到，以解决问题为导向的提示往往过早出现，存在回应错位或仓促引导的风险。先前的研究同样表明，将模拟练习与结构化反馈相结合的大语言模型训练系统，比单独的练习更能有效地支持技能发展[6, 23, 47]。例如，CARE表明反馈能改善新手的共情与反思能力，而无反馈的练习可能导致共情表达的下降[47]。

综合来看，这些发现表明，尽管实时建议是有价值的，但其效果高度依赖于阶段敏感性，且某些形式的反馈可能更适合预备性或事后反思，而非持续的现场交付。需要对纵向研究加以开展，以评估AI是否会减轻认知负担、缓解情感劳动，或随时间推移重塑同伴支持者的学习轨迹。

7 局限性
若干局限性限制了我们研究结果的生态有效性和可解释性。首先，研究环境与真实的同伴支持场景存在差异。聊天界面缺乏常见的消息功能（例如表情符号、正在输入指示器、自动补全、并发对话线程），这可能会降低互动的自然性，并限制参与者处理实践中常见的模糊性、中断和并行对话的能力。研究1也是在受控的实验室环境中进行，采用一次一条消息的结构，这可能会相对于真实世界情境而削弱情绪反应性和认知负荷。

其次，模拟来访者（SimClient）的使用带来了重要的真实感限制。尽管参与者觉得痛苦叙述是可信且有共鸣的，但SimClient顺从且精细的对话风格降低了情感上的模糊性，并限制了共鸣和"陪伴空间"的机会。更关键的是，由于研究1中没有真实的求助者，我们无法评估AI辅助的回应如何影响接收者对共情、信任、专注度或情感共鸣的感知，这是生态有效性方面的一个重要局限。这也引发了AI对AI互动的风险——如果支持者高度依赖建议，可能会损害真实性、情感劳动的自主承担，以及"人机协同"的初衷。

第三，"建议"展现出了塑造互动模式的设计约束。建议替代了整条消息，而非提供模块化或行内支架，这限制了参与者在覆盖原有措辞的同时精细化自己表达的能力。延迟有时会导致参与者抢先自行起草回应，从而限制了对AI辅助的投入。因此，我们的发现可能低估了更具交互性或自适应的支持形式在实际运作中的效果。

第四，专家评估的解读受到同伴支持领域碎片化格局的限制。同伴支持缺乏统一标准，在培训、督导和组织期望方面存在显著差异。正如Sim和Choo[76]所指出的，不清楚负责同伴支持项目的工作人员是否被要求接受心理急救（PFA）或其他原则的培训，还是仅仅参与运营和行政工作。研究2中招募的精神卫生专业人员是基于正式的心理社会培训而非针对同伴支持实践的专门经验。因此，他们的评估应被理解为一种基于治疗性沟通规范的、结构化的视角，而非对同伴支持质量的最终基准。

第五，情绪状态可视化偶尔被误解或利用不足，限制了其在支持情感共鸣方面所预期的作用。参与者的反馈表明，可能需要替代性的呈现方式或显著性机制，尤其是在危机情况下。

最后，研究1的短期性质限制了对技能发展、情感劳动和保留方面的纵向影响的洞察。我们也没有将研究设计为预测某些会话中观察到的反向图灵现象，这凸显了未来工作需要更好地区分人类和AI生成的回应。虽然系统设定在东南亚情境中反映了当地的同伴支持规范，但研究结果可能无法推广到在情感表达方面有不同文化预期的地区。

8 结论
随着精神卫生系统面临日益增长的需求和受限的资源，AI支持的同伴支持既蕴含着希望也伴随复杂性。大语言模型为构建具有情感细腻度的照护工作提供了新的可能性，但也凸显出围绕真实性、情感劳动和角色边界的张力。

通过两项研究，我们考察了大语言模型支持的组成部分——包括模拟的痛苦来访者、实时建议和情绪状态可视化——如何塑造同伴支持实践。我们的发现表明，这些工具虽然在提升信心、组织反思和支持对话流程方面具有价值，但也暴露出同伴支持者实践与专家期望之间的错位。这些错位凸显了需要基于心理学依据、情境敏感的支架，而非泛化的自动化。

我们认为，大语言模型不应被定位为人助者的替代品，而应作为协作伙伴，增强人助者共情、回应和反思实践的能力。本研究通过揭示在照护工作与AI系统协调过程中所涉及的互动劳动，以及多种支持质量标准如何在实践中并存并冲突，作出了贡献。因此，未来的系统必须优先关注对话的适应性、文化的根基和情感上逼真的模拟，并通过纵向评估以及与同伴支持者和专家的协同设计来加以支持。

更广泛地说，我们的工作为HCI（人机交互）和数字精神卫生领域关于AI如何负责任地支持情感敏感情境的讨论做出了贡献。挑战不仅在于AI能做什么，而在于它如何被设计以维护人类照护所固有的情感与伦理复杂性。

致谢
本研究由新加坡教育部在其SUTD Kickstarter Initiative（SKI 2021_04_08）下予以支持。本材料中所表达的任何意见、发现、结论或建议均为作者本人所有，并不代表新加坡教育部的观点。我们要感谢评审专家提出的深思熟虑的反馈和建设性建议，这些反馈和建议帮助增强了本工作的质量。我们也衷心感谢我们的参与者，感谢他们分享自己的时间、经历和坦率的反思。