从无国籍到情境：为大语言模型情感支持构建心理世界

在心理支持与情感陪伴场景中，大语言模型（LLM）的核心局限不仅在于回复质量，更在于其对局部下一词元预测的依赖，使其无法维持多轮干预所需的时间连续性、阶段意识和用户同意边界。这种无状态特性使系统在连续对话中容易出现过早推进、阶段错位和越界等问题。为解决这一问题，我们主张面向过程的心理支持的关键挑战不在于简单地生成自然语言，而在于为模型构建可持续更新的外部情境结构。为此我们提出LEKIA 2.0，一种情境化的LLM架构，将认知层与执行层分离，从而解耦情境建模与干预执行。这一设计使系统能在持续交互中保持对用户情境和同意边界的稳定表征。为评估这一过程控制能力，我们进一步引入了一个面向多轮交互的Static-to-Dynamic在线评估协议。在深度干预循环完成度上，LEKIA相对纯提示基线取得了平均约31%的绝对提升。结果表明，外部情境结构是构建稳定、可控、情境化情感支持系统的关键使能条件。