用户写情绪日记时，常用“烦”“崩溃”“难受”概括一天。这样的词能表达强度，却很难帮助后续调节。情绪颗粒度指个体区分情绪状态的细致程度。词越细，越容易找到对应的调节方式。
“烦”可能是被打断后的恼怒，也可能是目标受阻后的挫败，还可能是关系里被忽略后的委屈。不同情绪背后的需要不同。情绪记录如果只停在大词，用户会重复记录同一类痛苦，却很难看清变化。
细分情绪能减少混乱感
情绪颗粒度高的人，能把“难受”拆成焦虑、羞耻、失望、孤独、愤怒、疲惫等不同状态。拆分之后，情绪会更有边界。用户知道自己正在经历什么，就更容易判断下一步该休息、沟通、求助，还是调整计划。
心理产品可以在记录页提供轻量词库。词库不需要很复杂，但要覆盖情绪类别、强度和常见身体感受。用户选择词时，也是在训练区分能力。
情绪记录要连接事件和需要
只记录情绪词还不够。情绪颗粒度需要和事件、解释、需要连接。比如“我在会议后感到羞耻，因为我把一次提问理解成能力被否定，我需要更清楚地区分反馈和评价”。这样的记录比“今天很难受”更可用。
情绪预测相关内容可看情绪预测影响心理服务预约，用户会误判未来感受。情绪命名越准确，用户对未来感受的预测也更容易贴近真实状态。
AI心理助理要追问细节
AI 心理助理如果只回应“听起来你很难过”，很容易停在泛化安慰。更有效的做法是帮助用户区分：这是担心结果、对自己失望、被关系忽略，还是身体疲惫。追问越具体，建议越容易贴合。
情绪颗粒度也能减少误判。用户说“我很焦虑”，系统可以询问焦虑是关于未来结果、他人评价、身体反应，还是任务失控。不同焦虑来源对应不同支持方式。
报告可以呈现情绪词分布
长期情绪记录积累后，心理产品可以呈现情绪词分布。用户一段时间内高频使用哪些词，哪些情绪只在特定场景出现，哪些情绪和睡眠、工作、关系同时变化。这类报告比单日心情分数更有解释力。
反刍思维相关内容可看咨询体验里的期望违背理论：回应落差如何影响信任。当用户反复围绕模糊情绪打转，细分情绪能帮助他从重复想法中找到更明确的处理方向。
情绪颗粒度适合做成低门槛练习。每天只需要把“难受”换成更准确的两个词，再写下相关事件和需要。记录变细后，调节会更具体，心理服务也能基于更清楚的材料进行支持。
咨询场景也能使用情绪颗粒度。来访者带着一周记录进入咨询，咨询师可以看到情绪词和事件之间的关系，减少从零开始追问的成本。若用户连续使用“委屈”“被忽视”“紧张”这类词，关系议题或评价焦虑就会更清楚。
对心理 SaaS 来说，情绪词库还可以按场景微调。校园场景需要学习、同伴、家庭相关词；企业场景需要任务、评价、协作、客户相关词；亲密关系场景需要距离、期待、信任、冲突相关词。词库贴近场景，用户更容易选到准确表达。