PersonaCite：基于用户之声的可访谈、可验证的合成AI角色代理系统

基于大语言模型（LLM）和智能体的合成角色日益用于设计与产品决策，但现有研究表明，基于提示的角色常生成具有说服力却不可验证的回应，掩盖其证据基础。本文提出PersonaCite——一种通过检索增强交互将AI角色重构为证据受限研究工具的智能体系统。与依赖提示角色扮演的先前方法不同，PersonaCite在每次对话轮次中检索真实的用户之声（Voice-of-Customer）素材，将回应严格限定于检索到的证据，在证据缺失时明确拒绝回答，并提供逐条回应的来源引用。通过对14位行业专家的半结构化访谈与部署研究，初步识别了其感知优势、有效性疑虑与设计张力，并提出“角色溯源卡”作为人本设计流程中负责任使用AI角色的文档模式。