核心用法
Emotion Router 是一个 Markdown-first 的软路由系统，专为编程场景中的 AI 智能体设计。它通过分析当前用户提示和可见上下文窗口，识别三种关键工作状态信号：
触发条件（按优先级排序）：
1. Urgency（紧急） - 明确的 speed/priority 措辞
2. Anger/Frustration（愤怒/挫败） - 脏话、重复负面措辞、直接指责、反复失败、信任丧失等强信号
3. Confusion（混乱） - 工作流状态疑问、指令冲突、上下文不匹配
执行流程： 检测到信号后，智能体加载对应的路由参考文件（urgency-route.md / anger-frustration-route.md / confusion-route.md），采用该路由指定的响应模式，而非默认的普通工作模式。
显著优点
- 防御性回复抑制：将用户的负面情绪压力转化为结构化的稳定执行模式，避免模型过度解释、猜测或漂移出任务范围
- 轻量设计：仅依赖当前提示和可见上下文，不访问隐藏历史、持久记忆或用户画像
- 语义判断优先：软路由机制基于语义理解，非硬编码关键词匹配，避免误判
- 渐进式加载：三档优先级明确，无信号时自动回退到普通工作模式
- MIT 开源：社区可自由使用和扩展
潜在缺点与局限性
- 边界模糊："强信号"与"弱信号"的区分依赖主观判断，新手开发者可能过度触发或漏触发
- 仅覆盖三类状态：焦虑、疲劳、兴奋等其他情绪状态未被纳入路由体系
- 无长期记忆：明确禁止利用历史校准状态，可能错过跨会话的情绪模式
- 内容误判风险：关于情绪的研究性内容（如报告混乱、引用愤怒文本）可能被误触发，需人工排除
- 路由文件黑箱：参考文件的具体内容未在 SKILL.md 中展开，实际效果依赖外部文档质量
适合人群
- 构建 coding agent 产品的开发团队，需要处理用户高频报错场景
- 客服/技术支持类 AI 系统，面临用户情绪激动的对话场景
- 追求"情绪感知"但拒绝复杂情感计算架构的轻量级方案采用者
- 开源社区贡献者，希望基于 Markdown 协议扩展路由规则
常规风险
- 隐私敏感：系统主动"读取"用户情绪状态，需确保用户知情同意
- 标签暴露风险：尽管禁止主动输出"你很愤怒"等标签，但路由文件的执行痕迹可能间接泄露判断
- 过度简化：将复杂情绪体验压缩为三档路由，可能忽略用户的真实需求层次
- 维护负担：路由参考文件作为外部依赖，版本不一致可能导致行为漂移