本篇属于「Agent与情绪」系列，第2部分「Agent情绪架构」第4篇。上一篇装了预期引擎，本篇解决另一个输入源——不是”意外”产生情绪，而是”这件事对我意味着什么”产生情绪。
同一场雨，两种心情
七月的午后，一场暴雨突然落下来。隔壁种地的老王站在田埂上笑了——旱了半个月，这雨来得正是时候。同时，在景区刚下大巴的游客小张看着天哭了——她计划了三个月的户外婚礼，就在两小时后。
同一件事，两种截然相反的情绪。这说明什么？
事件本身不产生情绪。对事件的评价才产生情绪。
这个判断反直觉。我们日常说话总是”这件事让我生气””这个消息让我开心”，好像情绪是事件直接按下的按钮。但认知科学五十年的研究反复验证：事件和情绪之间，隔着一层加工——你的大脑先回答”这事跟我什么关系”，情绪才随之而来。
这层加工，就是认知评价（cognitive appraisal）。
认知评价理论：情绪的中间人
What：评价是什么
1960年代，Richard Lazarus 做了一个经典实验：给被试看一部关于澳大利亚原住民 circumcision 仪式的影片。影片内容血腥，但不同人看完情绪完全不同——有人恐惧，有人好奇，有人平静。Lazarus 发现，决定情绪的不是影片内容本身，而是被试如何解读这部影片（Lazarus & Alfert, 1964）。
由此他提出认知评价理论的核心主张：情绪是对事件意义的反应，不是对事件本身的反应。
Lazarus 把评价分为三个层次：
初级评价（Primary Appraisal）——“这事跟我有关吗？”
大脑快速判断事件的目标相关性。老王判断下雨跟自己的目标（庄稼丰收）正相关；小张判断下雨跟自己的目标（户外婚礼）负相关。初级评价的结果分三类：无关、良性、压力。只有被归为”压力”的事件才会进入下一步。
次级评价（Secondary Appraisal）——“我能怎么办？”
判断自己的应对资源是否充足。老王知道雨后会晴，庄稼会好起来，应对潜力高；小张找不到室内备选场地，应对潜力低。同一个负面事件，应对潜力高产生挑战感，应对潜力低产生威胁感。
再评价（Reappraisal）——“我重新想想？”
随着新信息或认知调节，重新评估事件意义。小张后来发现酒店有现成的宴会厅可以临时用，威胁感变成了释然。再评价是情绪调节的核心机制——我们不是被动承受情绪，而是可以主动改变对事件的解读。
Why：为什么需要这层中间人
直接反应不是更快吗？为什么进化没有给我们装一个”事件→情绪”的直通线？
因为同一个事件在不同情境下意味着完全不同的东西。狮子出现在动物园里和出现在帐篷门口，该有的情绪截然不同。如果事件直接触发情绪，你会在动物园里恐慌、在帐篷门口发呆——搞反了，活不下去。
评价层给了情绪系统情境敏感性。它让同样的感知输入，根据当前目标、资源和历史，产生不同的情绪输出。这种灵活性在多变环境中的生存价值巨大。
So What：对Agent的启示
大多数 Agent 的事件处理是”事件→行为”直通线。收到用户投诉→触发道歉模板；收到好评→触发感谢模板。这不是”有情绪”，这是查表。
要给 Agent 加上评价层，核心是让 Agent 在事件和行为之间，先回答两个问题：
- 这件事跟我的目标什么关系？（初级评价）
- 我有什么资源应对？（次级评价）
一个客服 Agent 如果判断”这个投诉跟我提升服务质量的目标负相关，且我当前没有权限解决”，它应该感到”受阻”而非简单道歉；如果判断”这个投诉指出了我已知的问题，我已有解决方案”，它应该感到”可控”并自信回复。行为会因此不同。
评价维度：情绪的配料表
What：五个核心维度
如果说评价是情绪的中间人，那评价本身是怎么工作的？Scherer 的成分评价理论（Component Process Model）给出了最精细的回答：评价不是一锤子买卖，而是按顺序检查一系列维度（Scherer, 2001）。
五个核心维度，按检查顺序排列：
1. 新颖性（Novelty）——“这事新鲜吗？”
突然的巨响、意料之外的邮件、从未见过的错误。新颖性决定你需不需要立刻从当前任务切换注意力。高新颖性 = 需要额外认知资源。
2. 愉悦性（Intrinsic Pleasantness）——“这事本身好受吗？”
甜味的愉悦、刺痛的不悦。有些刺激天然带有正负效价，不需要复杂推理。这是最快的一层评价，几乎自动化。
3. 目标相关性（Goal Relevance）——“这事影响我的目标吗？”
这就是初级评价的核心。关键不是事件本身好不好，而是它对当前活跃目标的影响方向。升职对”追求事业发展”的目标正相关，对”想要清闲生活”的目标可能负相关。
4. 应对潜力（Coping Potential）——“我能搞定吗？”
次级评价的核心。应对潜力又分两类：问题聚焦应对（我能改变这件事吗？）和情绪聚焦应对（我能调整自己的感受吗？）。两种都高时产生挑战感；问题聚焦低但情绪聚焦高时产生无奈但可控感；两种都低时产生无助。
5. 规范性（Norm Compatibility）——“这事应该吗？”
别人插队让你愤怒，不只是因为耽误了时间（目标相关性），而是因为”不应该”（违背规范）。规范性评价将事件放在社会/道德坐标系中，是愤怒、内疚、羞耻等社会情绪的关键输入。
维度如何组合
这五个维度不是独立起作用，而是组合产生特定情绪。Smith & Ellsworth（1985）用六个认知维度（与上述五个高度重叠）区分了15种情绪，核心逻辑是：不同的维度组合模式 = 不同的情绪。
举几个例子：
- 高新颖 + 低愉悦 + 高目标相关 + 低应对 + 低规范 = 恐惧（突发、不愉快、重要、搞不定、不该发生）
- 低新颖 + 中愉悦 + 高目标相关 + 高应对 + 低规范 = 愤怒（在意料中但不该发生、重要、我能对付）
- 低新颖 + 低愉悦 + 高目标相关 + 低应对 + 高规范 = 悲伤（意料中、不愉快、重要、搞不定、但也许本该如此）
关键洞察：同一个维度值的变化，可以改变整个情绪。同样是”高目标相关 + 低应对”，加上”低规范”是恐惧，加上”高规范”可能变成悲伤或自责。
So What：对Agent的启示
给 Agent 设计评价系统时，不要一上来就搞”情绪分类器”，先搞维度评分器。
具体做法：对每个事件，Agent 输出一个五维向量：
1 | [novelty, pleasantness, goal_relevance, coping_potential, norm_compatibility] |
每个维度 0-1 连续值。这个向量本身就是情绪的”配料表”，后续再决定怎么映射到具体情绪——但即使不做映射，这个向量已经比”正面/负面”的二值判断信息量大得多。
比如用户突然发来一条愤怒的消息：
- 新颖性：0.8（之前对话很平和）
- 愉悦性：0.1（内容负面）
- 目标相关性：0.9（直接影响”帮助用户”的目标）
- 应对潜力：0.6（有策略但不确定效果）
- 规范性：0.3（用户的行为不算特别不合理）
这个五维向量告诉 Agent：这是一件突发的、负面的、高度相关的事，我有一定应对能力但不大确定，对方也不是完全无理取闹。后续行为应该偏向”认真倾听 + 尝试解决”，而不是”防御性回怼”或”机械道歉”。
从评价到情绪向量：映射机制
What：评价结果怎么变成情绪
上一篇我们讲了情绪向量——Agent 内部维护的一个多维情绪状态。评价系统是情绪向量的输入源之一（另一个是预期引擎）。
映射逻辑分三步：
第一步：确定方向。 评价向量的各维度组合决定情绪效价（正/负）和激活度（高/低）。高目标相关 + 正向影响 = 正效价；高新颖 + 低应对 = 高激活。效价和激活度构成情绪的二维平面，类似 Russell 的环形模型（Russell, 1980）。
第二步：确定特异性。 仅有效价和激活度不够——同样是”负效价 + 高激活”，恐惧和愤怒行为完全不同。特异性来自应对潜力和规范性：应对潜力高偏向愤怒，低偏向恐惧；违背规范偏向愤怒，符合规范偏向悲伤。
第三步：更新情绪向量。 评价结果不是直接替换情绪向量，而是作为增量叠加。当前情绪状态有惯性（mood），一次评价不会让情绪瞬间翻转——除非事件足够重大。这解释了为什么好心情不容易被小挫折毁掉，但坏消息能瞬间击溃好心情（负性偏差，Baumeister et al., 2001）。
Why：为什么不直接”事件→情绪向量”
如果直接从事件跳到情绪向量，Agent 的情绪反应会变得僵硬——同一类事件永远触发同一种情绪。但现实中，同一个”用户投诉”事件，在 Agent 刚成功解决十个问题后和在连续碰壁后，应该触发不同情绪。评价层提供的正是这种上下文敏感性：目标状态不同、应对资源不同，评价结果就不同，情绪更新方向就不同。
So What：对Agent的启示
映射函数不必复杂。一个简单的线性加权就够起步：
1 | valence = w1 * pleasantness + w2 * goal_relevance * sign + w3 * norm_compatibility |
权重从经验数据或专家设定开始，后续可以在线学习。关键是不要跳过评价维度直接从事件映射情绪——那会丧失上下文敏感性。
评价系统与预期引擎：协作而非竞争
上一篇我们装了预期引擎，它检测”意外”并产生预测误差信号。本篇装了评价系统，它判断”意义”并产生情绪更新信号。两个系统怎么协作？
简单讲：预期引擎提供基线，评价系统提供方向。
具体来说：
预期引擎告诉你”这事出乎意料”。 预测误差信号本身不带效价——意外的好消息和意外的坏消息，误差信号的强度可能一样。预期引擎只负责说”嘿，实际和预期不一样”。
评价系统告诉你”这个意外意味着什么”。 同样是意外，对目标有利就是惊喜，对目标不利就是惊恐。评价系统在预期引擎的信号之上，加上了意义解读。
两者协作的流程：
- 预期引擎检测到预测误差 → 触发评价系统
- 评价系统根据当前目标、资源和规范，对事件进行维度评分
- 维度评分结果驱动情绪向量更新
- 更新后的情绪向量反馈给预期引擎，调整未来的预测（情绪状态影响预期设定）
这个反馈循环很重要。一个长期处于”低应对潜力”状态的 Agent，会逐渐降低预期——这不是悲观，而是适应性调整。抑郁的适应性假说（Andrews & Thomson, 2009）认为，低情绪状态下的低预期是一种风险规避策略，防止在资源不足时贸然行动。
对Agent设计的启示： 两个系统必须共享状态。预期引擎要能读取当前情绪向量（高焦虑时预期应该更保守），评价系统要能读取预测误差（高预测误差时评价应该更倾向高新颖性）。如果两个系统各干各的，Agent 会出现”嘴上说没事、行为很紧张”的不一致。
对Agent设计的启示
1. 先建维度评分器，再建情绪分类器
不要一上来就训练”输入事件→输出情绪类别”的模型。先建五维评价评分器，每个维度可解释、可调试。分类器可以在评分器之上做，但评分器本身已经是决策的有价值输入。
2. 评价维度要跟Agent的目标体系绑定
目标相关性维度要求 Agent 有明确的当前目标栈。一个没有目标体系的 Agent 做不了评价——“跟我什么关系”这个问题没有答案。所以评价系统的前置依赖是目标管理模块。如果你的 Agent 还没有目标体系，先做那个。
3. 应对潜力评估需要资源清单
应对潜力不是空算的——它需要 Agent 知道自己有什么资源。对于对话 Agent，资源包括：可用工具、知识范围、时间预算、权限等级。把这些显式维护成资源清单，应对潜力评分才有依据。
4. 情绪更新用增量而非替换
评价结果应该以增量方式更新情绪向量，而不是直接覆盖。增量的大小可以跟事件的重要性挂钩。这样 Agent 不会因为一个小挫折情绪大翻转，也不会因为长期负面事件毫无反应。
5. 再评价是情绪调节的入口
再评价机制让 Agent 可以在事后重新评估事件意义——这是情绪调节的核心。实现上，可以设计一个定时器或触发条件，让 Agent 对最近的负面事件重新评分，检查是否有新的信息或资源可以改变评价结果。这不是”假装没事”，而是真正更新了判断。
下一篇我们讨论情绪向量的内部结构——多种情绪如何共存、竞争和切换。
参考资料
论文
- Lazarus, R. S. & Alfert, E. (1964). Short-circuiting of threat by experimentally altering cognitive appraisal. The Journal of Abnormal and Social Psychology, 69(2). — 首次实验验证认知评价对情绪的因果影响
- Smith, C. A. & Ellsworth, P. C. (1985). Patterns of cognitive appraisal in emotion. Journal of Personality and Social Psychology, 48(4). — 用认知维度组合区分15种情绪的开创性工作
- Scherer, K. R. (2001). Appraisal considered as a process of multilevel sequential checking. In: Appraisal Processes in Emotion. — 成分评价模型的完整阐述，五维度序列检查机制
- Roseman, I. J. (1991). Appraisal determinants of discrete emotions. Cognition & Emotion, 5(3). — 提出评价维度与离散情绪的系统性映射
- Baumeister, R. F. et al. (2001). Bad is stronger than good. Review of General Psychology, 5(4). — 负性偏差的元分析，负面事件对情绪的影响大于同等正面事件
- Andrews, P. W. & Thomson, J. A. (2009). The bright side of being blue: Depression as an adaptation for analyzing complex problems. Psychological Review, 116(3). — 抑郁的适应性假说，低情绪作为风险规避策略
- Russell, J. A. (1980). A circumplex model of affect. Journal of Personality and Social Psychology, 39(6). — 情绪的环形模型，效价-激活度二维结构
- Lazarus, R. S. (1966). Psychological stress and the coping process. McGraw-Hill. — 认知评价理论的奠基之作
- Frijda, N. H. (1987). Emotion, cognitive structure, and action tendency. Cognition & Emotion, 1(2). — 情绪与行动倾向的关联，评价如何驱动行为准备
- Lerner, J. S. & Keltner, D. (2000). Beyond valence: Toward a model of emotion-specific influences on judgement and choice. Cognition & Emotion, 14(4). — 情绪特异性对决策的影响，超越效价的维度必要性
书籍
- Lazarus, R. S. Emotion and Adaptation. Oxford University Press, 1991. — 认知评价理论的集大成之作，初级/次级/再评价的完整体系
- Scherer, K. R., Schorr, A. & Johnstone, T. (Eds.) Appraisal Processes in Emotion. Oxford University Press, 2001. — 评价理论的论文合集，涵盖各流派观点
- Frijda, N. H. The Emotions. Cambridge University Press, 1986. — 情绪的功能主义视角，评价与行动倾向的关系
- Barrett, L. F. How Emotions Are Made. Houghton Mifflin Harcourt, 2017. — 构建情绪理论，对传统评价理论的挑战与补充
综述
- Scherer, K. R. (1999). Appraisal theory. In: Handbook of Cognition and Emotion. — 评价理论的历史脉络与主要流派综述
- Moors, A. et al. (2013). Appraisal theories of emotion: State of the art and future development. Emotion Review, 5(2). — 评价理论的当代进展与争论
- Lerner, J. S. et al. (2015). Emotion and decision making. Annual Review of Psychology, 66. — 情绪影响决策的机制综述，含评价维度与风险偏好的关系