利用大型语言模型驱动聊天机器人以收集用户自我报告数据

大型语言模型（Large Language Models, LLMs）通过接受自然语言提示提供了一种构建聊天机器人的新方式。然而，目前尚不清楚如何设计提示来驱动聊天机器人进行自然对话，同时追求给定目标，例如从用户那里收集自我报告数据。我们探索了提示的哪些设计因素可以帮助引导聊天机器人自然地交谈并可靠地收集数据。为此，我们设计了四种具有不同结构和人设的提示。通过一项在线研究（N = 48），参与者与由不同提示设计驱动的聊天机器人进行对话，我们评估了提示设计和对话主题如何影响对话流程以及用户对聊天机器人的感知。我们的聊天机器人在对话期间覆盖了 79% 的期望信息槽，并且提示设计和主题显著影响了对话流程和数据收集性能。我们讨论了使用 LLMs 构建聊天机器人的机遇与挑战。