TL;DR
LLM по умолчанию генерирует поддержку по одному и тому же шаблону — пересказывает ситуацию, валидирует чувства, даёт советы — и почти никогда не задаёт вопросов, не делится опытом и не предлагает конкретную помощь. Эту структуру можно назвать «вали-параф-совет»: она покрывает 83–90% всех ответов GPT, Llama, Qwen. Исследователи назвали это empathy template — устойчивый шаблон, который модели выучили из человеческих текстов и воспроизводят снова и снова.
Люди оценивают такие ответы как более эмпатичные, чем написанные людьми — и в этом парадокс. Шаблон работает, потому что он структурно грамотный: сначала показывает понимание, потом помогает. Но именно из-за формульности он звучит «как ChatGPT» — предсказуемо, без личного контакта, без вопросов, без реального присутствия. Человек в кризисе чувствует разницу, даже если не может её назвать.
Исследователи разработали таксономию из 10 тактик эмпатии — конкретных языковых действий, которые создают ощущение поддержки. Зная эти тактики, ты можешь явно управлять тем, какой тип поддержки генерирует модель: стандартный «шаблон», более человечный ответ с вопросами и рефреймингом — или профессиональный формат для конкретного контекста.
Схема метода
Метод работает в одном промпте — ты задаёшь список нужных тактик и контекст.
БАЗА: 10 тактик эмпатии (таксономия)
├── Эмоциональное выражение (X) → "Мне так жаль это слышать"
├── Валидация (V) → "Твои чувства абсолютно нормальны"
├── Парафраз (P) → пересказ ситуации человека своими словами
├── Расширение возможностей (E) → "Ты справишься с этим"
├── Переосмысление (R) → помочь увидеть ситуацию иначе
├── Совет (A) → конкретные шаги / стратегии
├── Информация (I) → факты, ресурсы
├── Раскрытие себя (S) → "У меня тоже был похожий опыт"
├── Помощь (T) → "Я здесь, если нужна помощь"
└── Вопросы (Q) → уточняющие / открытые вопросы
ШАБЛОН LLM ПО УМОЛЧАНИЮ:
[X?] → [PV]+ → [XE?] → [AIP]+
(один-два элемента в начале, затем советы)
ТАКТИКИ, КОТОРЫЕ LLM ПОЧТИ НИКОГДА НЕ ИСПОЛЬЗУЕТ:
├── Раскрытие себя (S) → 0% у всех моделей
├── Вопросы (Q) → 1–11%
└── Предложение помощи (T) → 0–11%
ШАГ 1: Выбери нужные тактики из списка
ШАГ 2: Укажи их явно в промпте
ШАГ 3: Получи ответ с заданным составом тактик
Пример применения
Задача: Руслан — HR-директор в московской IT-компании. Сотрудник написал в личку: потеря беременности, уходит на больничный. Руслан хочет ответить тепло, но не шаблонно — без «ты справишься» и списка советов.
Промпт:
Напиши ответ на сообщение от сотрудника.
Сообщение: «Руслан, мне нужно уйти на больничный. У нас с женой была потеря
беременности. Не знаю, сколько времени займёт восстановление.»
Используй только эти тактики эмпатии — строго в таком порядке:
1. Эмоциональное выражение — покажи, что ты тронут и понимаешь серьёзность
2. Валидация — нормализуй желание взять время
3. Вопрос — один открытый вопрос про то, что нужно человеку прямо сейчас
4. Предложение помощи — конкретно: что ты готов сделать
НЕ используй: советы, информацию о процедурах, парафраз, «ты справишься».
Тон: живой, тёплый, коллега — не корпоративный шаблон.
Длина: 4–5 предложений.
Результат: Ответ будет структурно отличаться от стандартного LLM-шаблона. Не будет открываться пересказом ситуации. Не будет советов «возьми время» и ссылок на HR-политику. Модель покажет сочувствие → нормализует → задаст один вопрос → предложит конкретную помощь. Ровно то, что задано — без лишнего.
Почему это работает
По умолчанию LLM обучена на миллионах текстов поддержки — форумах, терапевтических скриптах, советах психологов. Она выучила самый частый паттерн: сначала покажи понимание (парафраз + валидация), потом помоги (совет + информация). Этот паттерн статистически доминировал в обучающих данных — поэтому модель воспроизводит его почти автоматически.
Тактики, которых в данных было мало, модель и не выучила воспроизводить. Вопросы, раскрытие личного опыта, предложение конкретной помощи — это делают живые люди в реальных разговорах, но редко пишут в текстах о психологии. В результате модель «знает» эти тактики концептуально, но не включает их без явной инструкции.
Когда ты называешь тактики явно, ты задаёшь структуру — модель уже не выбирает «что привычно», а следует заданному плану. Это работает как предзаполненная форма: вместо «напиши что-нибудь тёплое» ты говоришь «напиши вот это, потом вот это». Результат становится предсказуемым и управляемым.
Рычаги управления: - Набор тактик → убери Совет полностью — получишь ответ без советов (часто именно это нужно) - Порядок тактик → поставь Вопрос раньше Валидации — ответ начнётся с присутствия, не с констатации - Запрет тактик → явно напиши «НЕ используй: парафраз, совет» — сломаешь шаблон - Количество тактик → 2–3 тактики = короткий живой ответ; 5–6 = развёрнутая поддержка
Шаблон промпта
Напиши [письмо/сообщение/ответ] для следующей ситуации:
Контекст: {описание ситуации и человека}
Сообщение/запрос: {то, на что нужно ответить}
Используй эти тактики эмпатии в указанном порядке:
{выбери нужные из списка ниже}
Доступные тактики:
— Эмоциональное выражение: покажи свою реакцию ("Мне важно, что ты мне это написал")
— Валидация: нормализуй чувства ("Это абсолютно понятная реакция")
— Парафраз: перескажи ситуацию своими словами, чтобы показать понимание
— Расширение возможностей: скажи что-то укрепляющее о человеке
— Переосмысление: помоги увидеть ситуацию иначе, не обесценивая
— Совет: предложи конкретные шаги или стратегии
— Информация: дай полезные факты или ресурсы
— Раскрытие себя: поделись похожим опытом от первого лица
— Предложение помощи: скажи конкретно, что готов сделать
— Вопрос: задай открытый вопрос про чувства или потребности
НЕ используй: {тактики, которые хочешь исключить}
Тон: {живой/профессиональный/дружеский/и т.д.}
Длина: {количество предложений или слов}
Что подставлять:
- {описание ситуации} — кто пишет, кому, какой контекст
- выбери 2–5 тактик из списка — меньше = лаконичнее
- {тактики для исключения} — особенно полезно убрать Совет, когда человеку не нужны решения
🚀 Быстрый старт — вставь в чат:
Вот шаблон с тактиками эмпатии. Адаптируй под мою задачу: {твоя задача}.
Задавай вопросы, чтобы заполнить поля.
[вставить шаблон выше]
LLM спросит про контекст ситуации и какой тон нужен — потому что без этого она не знает, кто пишет кому и с какой целью. Она возьмёт структуру тактик и подберёт нужные под твой случай.
Ограничения
⚠️ Раскрытие себя: LLM не может честно делиться личным опытом — у неё его нет. Если используешь тактику «Раскрытие себя», ответ будет симуляцией. Это ОК для черновика, который ты потом редактируешь от своего имени. Но не для автоматической отправки.
⚠️ Переосмысление требует точности: Тактика «Переосмысление» (помочь увидеть иначе) легко скатывается в обесценивание («зато ты стал сильнее»). Проверяй вручную.
⚠️ Шаблон всё равно виден: Даже с нестандартными тактиками LLM-текст остаётся «причёсанным». Для живого личного тона используй ответ как черновик, а не финальник.
⚠️ Субъективная задача — нет правильного ответа: Нельзя проверить, «сработала» ли эмпатия, без обратной связи от живого человека. Таксономия даёт структуру, но не гарантию.
Как исследовали
Исследователи поставили простой вопрос: почему люди считают LLM более эмпатичными, чем людей? Чтобы ответить, они разработали таксономию из 10 тактик и вручную разметили тысячи ответов — и от людей, и от моделей.
В первом эксперименте психологи с Upwork и три модели (GPT-4 Turbo, Llama 3.1, Qwen 2.5) отвечали на 101 пост из Reddit про эмоциональные трудности. Живые люди размечали каждую фразу: к какой тактике она относится. Во втором — масштабировали на 1000 постов и три новые модели (GPT-4o, Llama 3.3, Qwen 3), используя LLM как авторазметчика.
Главное открытие удивило чёткостью: исследователи нашли регулярное выражение — буквально математическую формулу — которая описывает 83–90% LLM-ответов. Формула ^X?[PV]+[XE]?[AIP]+ означает: «начни с необязательного сочувствия, потом чередуй парафраз и валидацию, потом советы». Это не метафора — это буквальный паттерн повторяющийся почти в каждом ответе. Для людей та же формула описывает лишь 6–40% ответов. Люди гораздо разнообразнее.
Интересно и то, что паттерн одинаков у GPT, Llama и Qwen — три разные компании, разные обучающие данные, но почти идентичный «стиль эмпатии». Значит, они все выучили этот шаблон из одного источника — человеческих текстов про поддержку.
Оригинал из исследования
Taxonomy of 10 empathy tactics:
X — Emotional Expression: communicating the responder's feelings/reactions
("I'm so sorry to hear that")
V — Validation: reassures, normalizes, or validates feelings
("You're not overreacting")
P — Paraphrasing: restating what the person said to demonstrate understanding
("I'm hearing that you feel overwhelmed")
E — Empowerment: positive, uplifting statements about the person's capabilities
("You are going to get through this")
R — Reappraisal: helping to engage in cognitive reappraisal
("that was out of your control")
A — Advice: providing ideas for solutions or coping strategies
("If I were you I would see a therapist")
I — Information: offering facts or resources
("Flying is the safest form of travel")
S — Self-Disclosure: sharing personal information or similar past experiences
("I've had that happen to me before too")
T — Assistance: offering aid to the person
("I'm here for you if you want to talk")
Q — Questioning: asking questions to improve understanding
("How are you feeling?")
LLM Template (Pattern 5, regex notation):
^X?[PV]+[XE]?[AIP]+[VXER]+[AIP]+[VXER]+[AIP]+
Matches: 83–90% of GPT/Llama/Qwen responses (Study 1)
60–83% (Study 2, held-out)
Within matched responses covers: 85–92% of content
Human responses matched by same template: 6–40%
Контекст: Это точная таксономия и формула из исследования. Таксономию использовали для разметки 4,555 ответов. Регулярное выражение — буквальная формула, описывающая структуру LLM-ответов.
Адаптации и экстраполяции
💡 Адаптация 1: «Анти-шаблон» — намеренно человечный ответ
Если знаешь стандартный шаблон LLM, можешь его явно сломать. Используй только «редкие» тактики:
Напиши ответ на это сообщение: {сообщение}
Используй ТОЛЬКО эти тактики (в любом порядке):
— Вопрос: 1–2 открытых вопроса про чувства или ситуацию
— Раскрытие себя: поделись похожим опытом (придумай реалистичный,
если пишешь от лица персонажа)
— Предложение помощи: конкретно, что можешь сделать
НЕ используй: парафраз, валидацию, советы, информацию.
Длина: 3–4 предложения.
Результат будет звучать нестандартно — живой, немного неловкий, человечный.
🔧 Адаптация 2: Таксономия как чеклист для редактуры
Если пишешь текст поддержки сам и хочешь проверить его:
Вот мой текст: {твой текст}
Проверь его по таксономии из 10 тактик:
Эмоциональное выражение (X), Валидация (V), Парафраз (P),
Расширение возможностей (E), Переосмысление (R), Совет (A),
Информация (I), Раскрытие себя (S), Предложение помощи (T), Вопросы (Q)
1. Какие тактики присутствуют?
2. Какие отсутствуют?
3. Не похож ли текст на стандартный LLM-шаблон [PV]+[AIP]+?
4. Что изменить, чтобы он звучал живее?
💡 Адаптация 3: Тактики для обратной связи сотруднику
Та же структура работает не только для эмоциональной поддержки. Если пишешь сложный фидбек — замени тактики:
Напиши обратную связь сотруднику.
Контекст: {ситуация}
Структура (строго по порядку):
1. Эмоциональное выражение — покажи, что ценишь разговор
2. Парафраз — перескажи, как ты понял ситуацию (без оценок)
3. Вопрос — уточни, как сам человек видит проблему
4. Переосмысление — предложи другой угол зрения
5. Совет — один конкретный шаг
НЕ начинай с оценки. НЕ заканчивай мотивационной фразой.
Ресурсы
Название работы: AI generates well-liked but templatic empathic responses (2025)
Авторы: Emma S. Gueorguieva, Hongli Zhan, Jina Suh, Javier Hernandez, Tatiana Lau, Junyi Jessy Li, Desmond C. Ong
Организации: University of Texas at Austin (Psychology, Linguistics), University of Washington (CS), Microsoft Research, Toyota Research Institute
Контакт: emmagueorguieva@utexas.edu, desmond.c.ong@gmail.com
Упомянутые связанные работы: Lee et al. (2024) — n-gram анализ эмпатии; Sharma et al. (2020) — категории «Emotional Reactions, Explorations, Interpretations»; Welivita & Pu (2020) — empathic response intents