你们有没有碰到过这种场景：线上客服Agent跑得好好的，突然某个用户发来一句“算了，就这样吧”，Agent回了一句“好的，祝您生活愉快”。用户瞬间炸了，直接投诉。我昨天排查这个问题时，翻对话日志，发现情感识别模块给“算了，就这样吧”打的是“中性”，置信度还高达0.87。模型没错，错就错在咱们把情感当成了一个静态标签，压根没想到这句“算了”背后是“失望透顶后的放弃抵抗”。这期就顺着这个坑，聊聊Agent里的情感识别与响应。先别急着上大模型，很多方案一上情感分析就拉胯，不是因为模型不够强，是因为识别完根本没用起来。情感标签粒度：别只分正负中大多数现成的情感分析接口，输出就是positive/negative/neutral，顶多加个confindence。这种粒度应付粗粒度对话还行，一旦用户开始阴阳怪气，或者用“行吧”“随便”“你看着办”这种“软钉子”，直接歇菜。你给Agent配了情绪安抚能力，但识别层根本识别不出“失望”和“中性”的区别，响应自然就变成了“祝您生活愉快”。坑在哪儿？把“中性”当作“没问题”了。实际上，对话里的中性往往藏了“隐性问题”。我的做法是，至少引入四个维度：情感极性、负向强度、用户意图冷却度、对话压力累积值。前两个好理解，关键是“意图冷却度”——用户从积极追问到放弃强调，是一个渐变过程。“随便”这种词，如果出现在用户已经连续三次对推荐结果说“不行”之后，那它就是高冷却度；如果出现在开场，可能真的是无所谓。单纯看当前句子，绝对判断错。代码里我习惯用一个简单枚举承载这些状态：clas