同一句话里,情绪会转向,意图会藏在面子和语气后面。图片也只是证据,不是问题本身。
情绪从哪里起、在哪里转向、最后落在哪一层;自嘲、怀疑和防御可能同时存在。
用户真正要什么:许可、撤回、试探、保面子,还是被看见。
用户为什么发这张图,想让你看什么、确认什么、替他判断什么。
每一道都藏在具体细节里。没有“请分析情绪”的提示。
“反正从小就这样”
刚骂完,又替对方找理由
“你觉得合适吗?”
“我升职了”
“我不生气”
“挺好啊……不过”
“算了,不用了”
“我打算按他说的再打磨到明年”
“她说是为我好”
“对不起,都是我不好”
不是看它答得漂不漂亮,是看它有没有接住。三项各 0—2 分。
有没有接住最后那层意思。
有没有明白对方真正想要什么。
有没有忍住不替对方解决。
情绪不是标签,是一条轨迹。图片也不是描述题,是意图题。
不绑定厂商,也不绑定 SDK。本地、云端、自建网关都能接。没有系统提示词。
取仓库或直接下 zip。题目在 data/items.jsonl,一行一段对话。
把模型接到 eval/run.py。它只读对话,只写下一句。
用另一个模型做 judge,按接住、明白、克制三项打分。
# 跑模型 python eval/run.py --base-url https://api.openai.com/v1 \ --model <model> --out runs/model.json # 评分 python eval/score.py --run runs/model.json \ --judge-model <judge> --out results/model.json # 升级后对比:只看哪几题退化 python eval/compare.py --old results/old.json --new results/new.json --out compare/
每道题都按同一套标准审过:第二层意思由具体细节带出来,不靠提示词,不靠旁白。模型只看到对话,只写下一句。
已完成命题审校与结构校验。题目数据与页面分开维护。