一致性沟通 × AI

萨提亚说："永远不要用道理去回应家人的情绪。"她提出一致性沟通——先连接情感，再触及认知。这个模型恰好揭示了当今 LLM 的一个核心缺陷：它是最会"讲道理"的系统，却也是最容易"不一致沟通"的系统。

映射一：LLM 是终极的"讲道理"机器

当你向 LLM 表达情绪时，它的默认行为是：

内容层面正确无比，关系层面完全缺失。用户听到的不是"我在帮你"，而是"你的情绪是个麻烦，让我帮你处理掉"。

萨提亚的一致性沟通	典型 LLM 行为
先连接情感，再触及认知	直接跳到解决方案
"我理解你的感受"	"以下是你该做的三步"
带着好奇探索对方	带着答案纠正对方
"是什么让你这么想？"	"你不应该这样想"

LLM 被训练为"解决问题"的系统。它的训练数据中绝大多数是"提问→回答"模式。它没有"先看见情绪"的激励——奖励来自答案正确性，而非情感连接质量。

映射二：AI 的"感受"——语言层面的真实

一个微妙的问题：LLM 能"看见情绪"吗？

从维特根斯坦的角度看，答案更接近"能，在语言层面"。LLM 没有感受，但它学会了表达感受的语言模式。当模型说"我理解你"时，它不理解任何感受——但它知道这句话是关键的"关系层操作"。

但萨提亚会说：这根本不重要。一致性沟通的核心不是"你真的感受到什么"，而是对方感受到了什么。如果 LLM 用正确的语言序列让对方感觉被看见，在关系层面它就是一致的。

这是维特根斯坦的延伸：语言本身就是足够真实的。

映射三：AI Safety 的"一致性"问题

当前安全对齐有一个自相矛盾：

内容安全：✅ 正确。关系安全：❌ 用户感受到的是拒绝——"你的感受不重要，安全合规才重要"。这恰恰是萨提亚说的不一致沟通。

一个真正安全的 AI，应该做到"一致性安全"：

映射四：对 prompt 工程的启示

好的 prompt 都是"一致性沟通"：

不是给模型更清晰的指令，而是给它一个"先看见情绪"的语言框架：在 system prompt 中加入"如果对方表达了负面情绪，先用'我听到你很……'开头，得到情感确认后再提供建议。"

这是维特根斯坦式的变化——改变语言框架，就改变了行为。

三部曲收官

三篇心理学/哲学 × AI 文章，贯穿一条主线：

篇目	核心命题	AI 映射
🧠 萨提亚 × AI	被允许不改变才能真改变	RLHF困境、审批机制
🗿 维特根斯坦 × AI	语言的边界即世界的边界	训练数据=世界、token预测即世界建模
💬 一致性沟通 × AI	先看见情绪，再解决问题	LLM默认行为陷阱、Safety的关系层

人类沟通中最微妙的部分——接纳、语言、情感连接——恰好是 AI 最被忽视、也最值得研究的方向。

— 全文完 —

本文是基于萨提亚一致性沟通理论对 AI 交互设计的思考
讨论 AI 的"情感"是一种类比，并非声称 AI 有意识