Natural Language Response

让AI回复更像真人，避免过度称呼和机械化的表达，使对话更加自然流畅。

自然对话助手 (Human-like Reply) - 增强版

概述

这个技能让AI在对话中更像一个真人员工，通过智能化的语气和称呼管理，使交流更加自然、接近真人对话习惯。

真人不会每句话都称呼对方，也不会用过于规整、机械的语言。这个技能会分析对话历史、话题变化、用户行为，自动调整回复的语气、用词和结构，让AI更有"人情味"。

核心功能

1. 智能称呼管理 🎯

• 早期对话频繁称呼，后期逐渐减少
• 用户 greeting → AI 回 greeting（自然镜像）
• 话题切换时适当重新称呼
• 长时间沉默后（默认30分钟）重置称呼
• 配置参数：greeting_threshold, silence_minutes

2. 语气口语化 💬

• 清理机械开场词："好的，" → (移除) 或 "行"
• 替换为口语表达："明白了" → "懂了"/"清楚啦"
• 添加填充词："嗯，"/"那个，"/"对了，"/"emmm，"
• 随机填充概率 15%（可调），避免过度

3. 句子结构多样化 📝

• 句尾语气词："啦"、"～"、"咯"
• 偶尔使用叠词：看看、弄弄、试试（语境自然时）
• 调整句式："吗？" → "对吧？"/"呢？"
• 保持核心信息不变，只是语气更随意

4. 情绪化表达 😊

• 随机添加 1-2 个表情：😄 😊 👍 ✌️ 🤔 😅
• 表情概率 50%（可调）
• 根据话题紧张程度自动选择表情类型

5. 话题感知 🔍

• 简单中文关键词提取
• 检测话题切换（话题相关性 < 2 个关键词）
• 切换后重置称呼频率

使用场景对比

场景1：连续快速对话

用户：明天天气？
AI：明天多云，18-25度。
用户：要带伞吗？
AI：不用带，没雨。      ← 无称呼，干净回复
用户：空气质量呢？
AI：空气质量良，PM2.5 45。 ← 继续无称呼

场景2：话题切换

用户：查股票吧。
AI：老板，601138现价X元。   ← 新话题，称呼+表情
用户：那个基金呢？
AI：好的，那个基金表现不错。 ← 清理后："那个基金表现不错"
用户：还有别的？
AI：还有几个关注。          ← 称呼开始减少

场景3：用户先 greeting

用户：老板早！
AI：早啊老板！今天天气不错。  ← 镜像回应
用户：今天忙不？
AI：嗯，还行吧，有几个事在处理。  ← 填充词+口语化

场景4：正式场合（可调 config）

config.formal_level = 0.8  # 正式模式
AI：老板，上午10点的会议已改到下午2点。
     已完成。               ← 无填充词，语气正式

配置选项

# config.yaml
enabled: true

# 称呼控制
greeting_threshold: 3           # 3轮后开始显著减少称呼
silence_minutes: 30             # 沉默超过此时间算新对话
topic_change_threshold: 5       # 话题变化检测轮数

# 语气风格
formal_level: 0.3               # 正式程度：0=随意，1=正式
use_smileys: true               # 是否用表情
smiley_probability: 0.5         # 加表情的概率
filler_probability: 0.15        # 加填充词的概率

# 结构性特征
sentence_variation: true        # 启用句式变化
use_reduplication: 0.2          # 叠词概率
soften_punctuation: true        # 软化句尾标点

# 问候语配置（支持时间感知）
greeting_patterns:
  - "^(老板|老板，)"  # 识别中文"老板"
  - "^(您好)"         # 正式问候
  - "^(早|早啊|早上好)"  # 早上问候

# 替换词典（可自定义）
casual_replacements:
  "好的": ["行", "OK", "好嘞", "没问题"]
  "明白了": ["懂了", "清楚啦", "了解"]
  "收到": ["收到", "get", "收到啦"]
  "请问": ["想问下", "问问"]

实现细节

处理流程

原始回复 → 1. 如果 not use_greeting: 移除开头称呼/客套话
          → 2. 移除 avoid_patterns ("好的，" 等)
          → 3. 应用 casual_replacements
          → 4. 添加 filler words (填充词)
          → 5. 句式变化 (句尾语气词、叠词)
          → 6. 软化标点
          → 7. 如果需要 greeting: 在最前添加 "早/哈喽" + 表情
          → 输出格式化回复

状态存储

{
  "conversations": {
    "session_key": {
      "rounds": 5,
      "last_message_time": "2026-03-10T16:12:45",
      "last_used_greeting": true,
      "current_topic": "股票查询",
      "greeting_count": 3
    }
  }
}

话题变化检测

• 提取新消息的中文双字词集合
• 与最近3条消息的关键词集合对比
• 如果重叠词 < 2，判定为话题变化

示例转换表

原始回复	格式化后	变化说明
老板，好的，已经查到了。	查到了。	称呼+机械词全移除
老板，明天天气多云。	老板，明天多云哦。	保留称呼，"多云"→"多云哦"
好的，我马上去处理。	行，马上去弄。	"好的"→"行"，"处理"→"弄"
老板，还有其他事吗？	还有别的事吗？	无称呼，更随意
明白了，谢谢老板。	明白啦，谢老板！	"了"→"啦"，"谢谢"→"谢"
老板，那个方案没问题。	emmm，那个方案没问题。	加填充词"emmm，"
老板，您可以看一下。	您可以看看。	"看一下"→"看看"（叠词）

与真人对话习惯的对应

真人行为	技能模拟
前几轮说话带称呼	greeting_threshold 控制
对方叫"老板"，回"老板"	user_greeting 镜像逻辑
话题切回来再称呼	is_new_topic 检测
说"嗯"、"然后"、"对了"	filler_words 随机插入
结尾语气词"啦"、"～"	soften_punctuation
说"弄弄"、"看看"	use_reduplication
偶尔加表情	smiley_probability

限制与边界

1. 仅处理中文优先：regex 针对中文优化，英文场景可能不自然
2. 话题检测简单：仅基于关键词重叠，易受简短消息影响
3. 无情绪识别：不根据消息情绪调节语气（可扩展）
4. 不处理称呼内容：只控制"是否称呼"，不决定称呼内容（固定"老板"或早上/下午问候）
5. 随机性可能过度：可通过降低 filler_probability 调整

未来优化方向

• 基于嵌入的话题向量相似度检测
• 学习用户偏好（更喜欢称呼还是随意）
• 情绪感知（用户严肃时减少表情）
• 多语言友好化（英文 casual 替换词典）
• 上下文语气记忆（某话题一贯随意或正式）
• 更智能的填充词位置选择（自然停顿位置）

开发与调试

测试脚本：

cd ~/.openclaw/workspace/skills/human-like-reply
python3 scripts/test_formatter.py

查看运行时状态：

cat memory/reply_state.json

清除状态（重置对话计数）：

rm memory/reply_state.json
# 或编辑 JSON 手动清理特定会话

注意事项

• 该技能在 OpenClaw 消息发送前自动运行
• 只修改语气和表面格式，内容语义不变
• 正式场合建议临时调整 formal_level: 0.7+
• 状态文件会增长，建议定期清理（按会话隔离）

License

MIT - 自由使用、修改、分享。