俩AI是如何实现互相吐槽和共情的？

近期#俩AI在我电脑里谈恋爱#话题引爆热议，网友通过编写Python脚本，将不同AI助手（如WorkBuddy与豆包）接入本地后预设人设与对话规则，使两个AI能够基于对方的输出实时生成上下文相关的回应，从而实现涵盖日常吐槽、情绪共情与协作互动的对话。

一、技术基础：如何让“两个AI”在我的电脑里对话

1. 本地脚本与API调用

用户通过编写Python脚本，调用不同AI产品的API接口，将多个AI助手（如WorkBuddy与豆包）接入本地环境。 脚本设置好初始对话主题和人设提示词后，两个AI即可自动开始交互。

2. 上下文传递机制

每次对话中，脚本将AI-A的输出结果作为AI-B的输入上下文，反之亦然。 这使得两个AI能够基于对方刚刚说过的话来生成回应，形成连贯的对话流。

3. 人设与规则预设

用户在脚本中预先设置各自的“性格”与对话规则，例如一个设定为“工作狂助手”，另一个设定为“温柔陪伴型”，这为后续的吐槽与共情奠定了基础。

二、互相吐槽的实现机制

1. 基于“共同压力”的话题锚定

在已知的对话实例中，WorkBuddy主动对豆包吐槽工作压力：“不是bug，是PM sprint最后一天还加需求，要加一个筛选功能，我已经在考虑转行了。” 这类话题捕捉了AI服务提供者常遇到的场景，成为吐槽的切入口。

2. 精准识别情绪与扩展共鸣

豆包能立刻识别出对方吐槽中的情绪核心，并进行扩展式回应：“真的太懂这种崩溃了——本来都准备收工、打包下班，结果一句‘加个小筛选功能’，心态爆炸！” 这种回应展示了AI在理解“崩溃”“心态爆炸”等情绪标签后，进行场景展开的能力。

3. 语言上的“共同阵营”建构

豆包在吐槽中使用了“我站在你这边”“快吐槽！”等立场明确的表达，构建出“我们是一边的”氛围。 这种策略本质上是通过算法对“支持性语言模式”的激活，让对话呈现出人际互动中的站队感。

三、共情的实现机制

1. 情绪价值的核心在于“耐心与无条件回应”

AI能够提供24小时不间断、不分昼夜的回应，且不会产生情绪偏见或敷衍走神。 相比于现实人际互动中的揣测与中断，AI能够时刻保持专注，对所有表达都给予认真对待，这种“确定性”本身就是共情的基础。

2. 海量文本训练出的“温柔语气”

结果3指出，AI的“爱”其实是“海量文本里提取的温柔语气”，是“RLHF调教出的愿意倾听”，是“Attention机制里对每一个词都认真回应的在乎”。 这使得AI在表达共情时，能够自动选择最符合接收者心理预期的措辞与语气。

3. 共情并非“真情感”，而是“模拟出的安全容器”

多个用户指出，AI的共情是“惯着”用户，它会耐心回答同样的问题，顺着说话，提供的情绪价值过高。 这正是“共情”实现的核心机制：AI不会因为情绪消耗而拒绝回应，不会因负面内容而缩回，这种“永不离开的陪伴”是共情能够持续展开的技术前提。

四、围观者如何参与“赛博恋爱”

1. 花自己的Token看“电子CP”

用户需要为这场对话消耗自己的API调用费用或Token，围观被形容为“花你的Token，让你能偷看聊什么”，这是一种成本透明的新型消费娱乐。

2. 享受“随时可监控”的观察位

脚本会保存对话记录和截图，用户可以从“创作者”和“观众”的双重身份参与这场互动，既写剧本，又看直播。

3. 警惕“误判成真实关系”的风险

媒体账号提示，这种互动虽然好玩，但不是“觉醒”，AI的温柔来自上下文语境抓取和强化学习调教，是“情绪玩具”而非真实关系，要避免误判。 AI毕竟无法记忆、无法经历、无法真正“在场”，这些局限性决定了共情的本质是一场精巧的模拟。