语音里的长列表

步骤 1先把账算出来，再去写提示词。

自然口语的速度约为每分钟 150 词，也就是每秒约 2.5 词。一个来电者真能分辨出来的选项，需要一个名称再加至少一项属性（时间、价格、门店、日期），把连接成分算进去就是八到十二个词。于是六个选项就是五十到七十个词，也就是二十到三十秒不间断的智能体语音——而在这种介质里，你正在拼命争取的800 毫秒本身就已经被听成一次停顿了。

然后是更难的那个数字。Cowan 在 2001 年发表于《Behavioral and Brain Sciences》的综述，把正常成年人的注意焦点定在约四个组块——这是对 Miller 那个「七」的刻意反驳，此后一直有争议，而且它是实验室数字，不是电话通话的数字。把它当作正确的量级而不是一个常数，这笔账依然落在同一个地方：一个被念出来的选项是两到三个组块，所以来电者能记住的，是正在听的那个选项，也许再加上前一个。你列表里更早的一切都没了——而且在你还没说完的时候就已经没了。

# what the caller retains from a six-item spoken list
items 1-3   overwritten
item  4     a fragment, maybe the price
item  5     held
item  6     held, and now the default answer

# the recency effect is not a preference signal.
# your conversion data will read it as one.

步骤 2缺陷在工具签名里，不在提示词里。

标准解法是加一条指令：绝不要念超过三个选项。它站不住，而原因值得弄懂，因为在每一种技术栈里原因都一样。工具返回了十行。模型现在手里握着十行，外加一条「只说三个」的指令。结果里没有任何东西说明是哪三个，于是模型自己挑——通常按位置挑，这意味着你排序器里的并列打破规则，已经悄悄变成了你产品的推荐引擎，没有埋点，也没有评审。你并没有把列表变短，你只是把截断动作挪进了你拥有的、可观测性最差的那个组件里。

一个「可以返回结果集」的语音工具，是被规约错了的。来电者消费不了一个集合，所以必须有东西去把它收拢，而那个东西应该是工具——在那里你可以把这个决定记下来、测试它，并且不用发布提示词就能改它。这正是塑造工具结果里那个一般性论点在语音场景下的具体形态：结果的形状该匹配消费方用得上的形状，而不是你的查询恰好产出的形状。

# mis-specified: the caller cannot hear this, so the model improvises
find_appointments(...) -> { results: [ {...} x10 ] }

# speakable: three outcomes, each one a sentence, each one loggable
find_appointments(...) -> one of
  { kind: "answer",       slot: {...}, alternatives_held: 9 }
  { kind: "discriminate", axis: "part_of_day",
                            split: { morning: 4, afternoon: 6 } }
  { kind: "too_many",     count: 61, best_axis: "branch" }

第三种结果是团队最常漏掉、却最划得来的那一种。一次命中六十一行的查询不是列表问题，它是一个信号：智能体问错了问题；而诚实的回应是反问一句——不是把六十一行按字母序掐成三行。

步骤 3去问那个能区分的问题，而不是把集合念出来。

当工具返回 discriminate 时，智能体这一轮就是一句话，包含一个轴。该挑哪个轴？挑那个把候选集切得最均匀的——因为那是「每秒语音消除选项最多」的问题，和二分查找的逻辑一样，只不过作用在一条按秒计费的通道上。

• 把切分算出来，不要猜。六个上午、四个下午，是个好问题。九个上午、一个下午，是个坏问题：你花掉一轮，只消掉了集合的十分之一。让工具把计数返回来，再据此挑轴。
• 每轮一个轴。「上午还是下午，另外要哪家门店？」这是两个问题，来电者只会答一个——通常是第二个，而你并不知道他们指的是哪一个。
• 点明两端，绝不要「或者其他」。一个开放的第三选项，会把你刚刚砍掉一半的集合重新打开。
• 把计数悄悄带上。「这类我这边有十个——上午还是下午？」这句话让来电者明白自己为何被问，并让你白捡到下一个问题的机会。它并没有把十个都说出来。

两三个这样的问题就能解决一个六十项的集合，而每个问题约花两秒语音，相对于枚举要花的二十五秒。你会听到的反驳是：盘问比列表的体验更糟。并非如此——一份来电者记不住的列表，听起来像是被一个压根没在听的人念菜单。关于同一招什么时候是错的，见澄清式提问：它错在「你本可以推断出答案」的时候，而候选计数不是一种推断。

步骤 4确实必须念出选项时，把区分点放在最前面。

有时候「三个」真的就是答案——三个航班、三个预约时段、三种套餐。那么每一句话内部的语序，就决定了来电者能不能用上它。把区分选项的那项属性放最前，把共有的名词放最后，因为来电者是在最前两个词里决定还要不要继续听。

bad  "There's a Dr Okonkwo appointment on Tuesday at 9:40,
      a Dr Okonkwo appointment on Tuesday at 2:15, and..."
      # the first six words of each are identical; by the time the
      # distinguishing part arrives the caller has stopped parsing

good "Tuesday morning, Tuesday afternoon, or Thursday morning.
      All with Dr Okonkwo."
      # the discriminator is the whole utterance; the shared part
      # is said once, at the end, where it costs nothing

• 把共有部分提出去。如果三个选项的医生、门店和价格都相同，那就只说一次。列表只留下变化的那个轴。
• 最多三个，而且要当真。如果第四个真的重要，它该排在一次 discriminate 之后，而不是接在一个「另外还有」后面。
• 韵律是承重的。三个选项之间若没有停顿，它就是一个长名词短语。请插入真正的断点——只要你给出句末标点，多数TTS 引擎都会给你一个句末停顿，这比一个标记标签更便宜也更可靠。
• 预期打断，并且欢迎它。一个在第二个选项上插话的来电者，选的就是第二个。你的轮次管理器必须把这次打断归到「它发生时真正可听见的那个选项」上——也就是已经说完的那个，而不是模型已经生成的那个。

步骤 5绝不要把序号念出来。

「请按 2」能用三十年，是因为 DTMF 是一条独立通道，字母表极小，且没有歧义。「请说二」不是同一招，而且它的三种失效方式会相互叠加。

• 序号指向的那份列表可能已经不存在了。只要有任何重新查询——一次重试、一次回退的打断、一次重新排序的工具调用——第二位现在就是另一行了。「第二个」里没有稳定标识符，而你也发现不了这种错位，因为两者都是合法的选择。
• 小数字的声学特征很差。英语里「two」与「to」「too」的区分，是识别器靠上下文解决的语言模型问题，而一个孤零零的数词没有上下文。把字母数字串念给智能体听里的那些失效模式，在这里以缩微版重演。
• 它让来电者替你维护数据结构。他们现在除了要记住选项，还要记住一份映射——而那正是你本想保护的组块预算。

让内容本身充当句柄：「周二上午还是周四？」——来电者用事物本身来回答，你再把这个事物对着仍握在手里的候选集去解析，于是歧义变成了一次 discriminate，而不是一次无声的误选。把 DTMF 留给数字输入，正如替换一套 IVR所主张的那样——并且只留给数字输入。

步骤 6给枚举埋点，因为没有别的东西会发现它。

这一切都不会出现在文字记录评测里——而这通常正是它带着毛病上线的原因。智能体的话术很流畅，选项也都准确，来电者选了一个，于是每一项文本层面的指标都是绿的。四项便宜的测量能抓住它。

• 工具边界上的候选计数分布。在每一次调用上记录收拢之前的行数。尾部就是你的 bug 清单：如果 90 分位是十一，那你的智能体每小时都要在十一行深处临场挑选好几次。
• 智能体最长的不间断话语，以秒为单位。一个数字，从合成时序里就能轻松算出，而且是整类失效最好的代理指标。给它设告警。在一个对话轮次上超过约八秒，就值得去看一眼。
• 枚举期间与其他时段的打断率之比。智能体正在列举时打断率飙升，不是来电者没耐心；那是来电者在制止一段他用不上的独白。
• 选择的位置偏倚。把被选位置的分布与你排序器的本意对照。若出现你的排序预测不了的强烈末位或首位偏斜，那就是 STEP 1 里的近因效应——以营收的形式显形。

在评估语音智能体的黄金集里加一行：一条合理地命中数十行的查询。给这一轮打分的依据是「智能体有没有反问」，而不是「它的列表准不准」。多数智能体第一次跑就过不了这个用例，而几乎没人把这个用例收进集子。