关键对话 Lab：让管理者和 AI 对练一场困难谈话

背景

基层管理者最怕的往往不是做业务，而是困难谈话：绩效反馈、岗位调整、挽留与告别。传统培训靠角色扮演，成本高、演一次就过、也没法复盘。我希望每个管理者都能在一个安全的环境里反复练，还能被专业地”挑毛病”。

对练内核：我先把 ICF 教练、SCARF 威胁—奖赏模型和交互分析（TA）写成一套教练技能——系统提示、人物原型、评分规则、示范案例、管理者画像五份文件；AI 据此扮演有真实情绪反应的员工，进行多轮动态对话。
实时教练：对话过程中给管理者”内心 OS”式的即时提示，点出这句话可能触发了对方的哪一种压力信号。
复盘与画像：结束后给出四维评分和逐句标注，指出哪句话触发了防御、哪一次错过了共情窗口；复盘被解析成成长画像落库，下次开场自动带入，连续在某个维度卡住还会提示遇到了天花板。
产品化：Web 版用 Python 搭建，加了企业登录、按人隔离的数据库、背景资料上传（绩效表、聊天截图、文档链接都能喂进去）和复盘导出；再用桌面壳打包成可安装的应用，并配了端到端测试。

AI 负责扮演员工、实时给提示、生成复盘初稿；而”什么算一次好的对话、每个维度怎么评分”这套判断标准，是我作为教练逐条定义的。

传统角色扮演演一次就过、没法复盘；现在管理者可以反复练习，每次都拿到四维评分和逐句标注，个人画像还会随练习越来越准。

这个 Lab 也是同一次取舍的产物：我主动叫停了一个办过三期、反馈良好的重培训项目，把确定性换成了这套可以反复练的组合。当时的判断过程记在《用判断力换确定性》里。

我坚持每个人的对话和画像严格私有，管理员只能看到脱敏后的人数与次数、物理上看不到原文——因为对练要敢开口，前提是确定”这里安全”。这件事也让我更确认：AI 时代最不容易被替代的是”懂人”那一层，模型能模拟情绪，但定义评分规则、判断”哪句话真正接住了对方”的，仍然是教练的专业。

说明：对话脚本与评分规则基于公开学术模型和我自己的教练实践，不使用任何真实员工对话数据；目前处于种子用户打磨阶段，因此标注为”建设中”。