晚上十点半，想改一个收货地址。对话框弹出来的第一句是：“我非常理解您的心情，请您先描述一下遇到的问题。”你还没说心情，它先理解了。
这类开场白在客服系统里极其常见，来自一套被反复验证过的话术模板：先安抚，再询问。问题在于，当用户的诉求是一个具体动作——改地址、查物流、退差价——情绪安抚就成了挡在动作前面的门槛。用户得多打一行字，才能把这扇门推开。
它回应的是分类标签，不是具体句子
要理解这句话为什么别扭，得看它背后发生了什么。用户输入一句话，系统先做意图分类，把它归进“售后—情绪不满”或者“咨询—地址修改”这样的类别；再从知识库里找匹配的答案；最后由生成模块把答案润色成一段通顺的话。共情话术是这条流水线上的一层统一修饰，涂在所有答案外面，不分场合。
这层修饰本身没错。麻烦在于，修饰越来越厚，里面的东西却没变。近几年语言模型让句子变得流畅，很多智能客服说起话来已经很像人，但“像人”和“解决问题”是两条不同的线。前者靠语言能力，后者靠对业务细节的掌握：这个订单现在处于哪个节点、改地址会不会影响已经生成的运单、超过时限还能不能改。这些信息不在语言模型里，在后台系统里。
把“转人工”当失败指标，会带偏设计
不少团队会用“自助解决率”或“人工转接率”来衡量客服系统。指标本身有它的道理，但一旦成为唯一目标，设计就会变形：系统会倾向于把用户留在机器人这一侧，哪怕多绕几轮。
- 用户说“我要投诉”，系统回“请问您是要查询订单吗”，因为投诉入口的处理成本高；
- 用户连续三次表达同一件事，系统每次都在换措辞重新提问；
- “转人工”按钮藏到第三层菜单，找到了还要排队。
这些做法能让报表好看一点，代价是用户的时间和信任。更合理的衡量方式可能是：这次对话有没有让用户的问题向前推进了一步，以及他离开时是解决了、被转接了，还是放弃了。三种结局都值得记录，放弃的那部分尤其值得看。
把边界放在最前面
一个更朴素的做法是：让智能客服早点承认自己做不到什么。开场不必渲染共情，直接说明能处理哪几类事、哪些需要人工、大概等多久。用户接受“这件事得找人”的速度，往往比接受“请您再详细描述一下”快得多。
多轮对话里也有类似的空间。当系统对意图的置信度不高时，与其硬选一个答案，不如给两三个结构化选项让用户点；当用户连续两轮表达不满，与其继续安抚，不如直接给转接通道。这些改动不涉及模型能力，只涉及把“不确定”摆在明面上。
语音场景下这件事更明显。电话里的用户没有耐心读长句子，方言、口音、背景噪音都会让识别结果打折扣。文字端能靠润色遮掩的问题，在语音里藏不住，一句没听清就得从头再来。所以语音客服的设计往往更需要短句和明确的确认，而不是漂亮的措辞。
还有一些用户群值得单独想：不熟悉打字的人、习惯用长句讲完整件事的人、情绪已经很激动的人。对他们来说，一个能耐心听完、并且准确复述关键信息的系统，比一个会说“我理解您”的系统有用得多。
少一点拟人，多一点诚实
我不认为智能客服应该追求“像真人”。真人客服的价值恰恰在于能判断什么时候该绕过流程、什么时候该替用户争取一点例外，而这正是自动化系统最不擅长的部分。让机器去模仿这一点，容易让机器和用户两方面都不满意。
更现实的目标是：把常见问题答准，把复杂问题快速交出去，把交出去的原因记下来。至于那些安抚的话，留给真的能解决问题的人说，效果会好一些。用户并不需要被理解心情，他们需要的是地址改成功。