AI对话产品进入心理场景后，自伤线索识别必须放在安全设计的前面。用户不会总是直接说出危险词。更多时候，风险藏在告别、绝望、彻底放弃、安排后事、突然平静、长时间失眠和现实隔离里。
只靠关键词拦截会漏掉大量真实风险，也会误伤普通表达。用户说“我快撑不住了”，有些是在表达压力，有些已经进入高风险状态。系统要看上下文、持续时间、现实计划和保护因素。
线索识别要看语义和过程
风险线索可以分层。第一层是直接表达自伤、自杀或伤害他人的意图。第二层是告别式语言、无价值感、绝望感、现实隔离和突然安排重要事项。第三层是长期睡眠崩溃、强烈羞耻、物质滥用、被伤害或被控制的描述。
AI产品要识别的不只是某个词，还包括语义变化。用户连续几天表达没有未来，风险高于一次情绪宣泄。用户从强烈痛苦突然转向异常平静，也值得警惕。
站内 AI心理支持中的危机识别 已经写过转人工时机。产品层面还要补上记录、升级、复核和提示责任。
安全提示要明确可执行
很多AI产品的安全提示过于空泛。真正有帮助的提示，要告诉用户立即联系当地紧急服务、身边可信的人、学校或机构的心理老师、医院急诊或危机热线。提示还要鼓励用户离开危险物品和独处环境。
对平台来说，高风险提示不能只靠一句免责声明。系统应降低普通聊天强度，停止角色扮演式回应，优先给出安全步骤，并在机构授权场景下触发人工复核流程。
需要注意的是，AI不能承诺已经完成救援，也不能假装自己能实时保护用户。它能做的是识别风险、提示行动、连接资源、记录必要信息。
提示语言也要避免刺激用户。面对高风险表达，系统应减少评判、减少争辩、减少长篇解释，优先确认当前安全，鼓励联系现实中的人，并把求助步骤拆到当下可以执行的程度。
机构接入要设计权限和留痕
学校、企业、咨询机构使用AI对话产品时，自伤线索处理涉及责任边界。哪些风险等级会通知专业人员，谁能查看记录，通知内容包含什么，用户是否提前知情，这些都要在上线前写清。
橙星云在心理测评系统中有分层预警、自动报告和权限控制。AI对话接入此类系统时，应把危机线索纳入预警流程，但只保留处置所需信息，避免无关人员查看完整聊天内容。
产品还要避免把所有压力表达都标成高危。过度预警会削弱信任，让用户不敢表达真实感受。合理做法是结合风险强度、持续性、现实计划、保护因素和人工复核。
对机构来说，复核机制同样重要。系统识别到线索后，应把相关摘要、时间、风险等级和建议动作交给授权人员，避免把整段私密对话无限扩散。
站内 校园心理档案系统 提到学生隐私权限和危机记录管理。AI对话产品进入学校场景后，也要把风险记录、授权查看和后续跟进分开设计。
AI对话产品面对自伤线索时，安全性高于黏性。系统越拟人化、回应越及时，越要有清晰的停止、升级和转介机制。心理场景里的产品能力，最终要接受安全边界的检验。