在团队中，AI队友的设计属性（如个性、沟通风格和发言时机）会影响团队的信任、协调和决策。然而，现有工具无法提供严格研究所需的基础设施：可重复配置的AI队友，嵌入到经过仪器化的实时协作中，并持续一段时间。
我们介绍了团队研究与AI集成实验室（TRAIL），这是一个网络平台，使AI队友成为一个可配置、可重复的设计对象，结合了五大人格特质、选择性参与的消息管道、双重记忆、连锁纵向实验和可导出分析功能。
在一次为期六节课的真实部署（约51名学生）中，TRAIL实现了纵向链式处理，保持了AI在对话中的稳定少数发言权，并支持基于文本相似性的导出驱动分析。
一次单盲的人格改变产生了设计一致的双重分离：认知支撑型代理获得了更高的贡献评分和更紧密的语言对齐，而社会支持型代理则营造了更温暖的团队氛围和更低的过度依赖。
博主点评： TRAIL平台的设计在探索人机协作的复杂性方面提供了重要的基础设施，尤其是在可重复性和配置性方面。这种方法不仅增强了AI的交互能力，也为进一步的实验研究提供了坚实的基础，值得广泛应用和推广。