重构人机交互中的对话设计：借助AI支架进行审慎设计
人机交互
2026-01-21 v1 机器人学
摘要
大型语言模型（LLMs）使对话机器人能够超越受限对话，走向自由形式的交互。然而，在没有针对特定情境进行适配的情况下，通用的LLM输出可能效果不佳或不恰当。这种适配通常通过提示工程来尝试，而提示工程既不直观又繁琐。此外，人机交互（HRI）领域的主流设计实践依赖于基于印象的试错式改进，缺乏结构化的方法或工具，使得过程效率低下且不一致。为解决这一问题，我们提出了AI辅助对话引擎（ACE），一个支持人机对话审慎设计的系统。ACE贡献了三项关键创新：1）一个由LLM驱动的语音代理，为初始提示创建提供支架，以克服“空白页问题”；2）一个标注界面，能够收集关于对话记录细粒度且有根据的反馈；3）利用LLM将用户反馈转化为提示优化。我们通过两项用户研究评估了ACE，考察了设计者的体验以及终端用户与使用ACE设计的机器人的交互。结果表明，ACE有助于创建更清晰、更具体的机器人行为提示，并且使用ACE生成的提示能带来更高质量的人机对话交互。
引用
@article{arxiv.2601.12084,
title = {Reframing Conversational Design in HRI: Deliberate Design with AI Scaffolds},
author = {Shiye Cao and Jiwon Moon and Yifan Xu and Anqi Liu and Chien-Ming Huang},
journal= {arXiv preprint arXiv:2601.12084},
year = {2026}
}