1 引言 1.1 研究背景 提升大众心理健康水平、促进个体全面发展，是构建和谐社会与实现健康中国战略的重要组成部分(中华人民共和国国家卫生健康委员会，2019)。在快节奏的现代生活中，人们普遍面临工作与学业压力、焦虑、抑郁和孤独等心理困扰。研究表明，即使未达到临床诊断标准的轻度心理困扰也会显著影响个体的生活质量和工作效率(De Oliveira et al.，2023；Hardy et al.，2003；Karani et al.，2021)。及时有效的心理支持对于维护情绪稳定、增强社会适应能力和提升民众整体生活幸福感至关重要。然而，据Sun等人(2024)统计，中国每十万人口对应的精神健康专业人员仅有不到3人。传统心理咨询服务由于资源稀缺(Saxena et al.，2007)、成本高昂(Lu et al.，2021)及地域分布差异(Patel et al.，2016)等因素，难以满足广大民众日益增长的心理支持需求。这一“供给鸿沟”凸显了开发低门槛、高可及性的心理健康促进工具的紧迫性。 人工智能(artificial intelligence，AI；McCarthy et al.，2006)技术的发展，尤其是大语言模型(large language models，LLMs；Cerf，2023；Vaswani et al.，2017)的出现，为应对以上挑战提供了新的契机。近年来，LLMs以其强大的自然语言理解和生成能力而在学界备受关注，使构建智能化的自助式AI心理咨询系统，提供高可及、全天候和低成本的心理健康支持成为可能。然而，当前关于LLMs在心理咨询领域的研究主要集中在理论探讨或技术可行性评估层面(Ji et al.，2023；Ma et al.，2023)，较少涉及自助式AI心理咨询的实际应用和效果评估。如何在缺乏高质量训练数据的情况下优化LLMs以适应心理咨询场景，以及“AI咨询师”的拟人化设计如何影响心理干预效果，成为亟待解决的问题。 1.2 文献综述 1.2.1 LLMs及其在心理健康领域的应用现状大语言模型在近年来取得了突破性进展。从2018年的BERT(Bidirectional Encoder Representations from Transformers)到2020年的GPT-3(Generative Pre-trained Transformer 3)，再到最新的GPT-4，LLMs的规模和能力不断提升。最新一代的LLMs展现出前所未有的语言理解、逻辑推理和内容生成能力(Binz & Schulz，2022；Kalyan，2023；OpenAi et al.，2024)。目前，LLMs已被广泛应用于教育、医疗和心理健康等多个领域，展现出有效处理复杂信息、进行深度对话及提供个性化服务的优势。例如，在教育领域，Sajja等人(2023)基于GPT-3开发的智能教育框架显著提高了教学效率；在医疗领域，基于AI的问答系统为患者提供了准确、及时的健康信息(Lozano et al.，2023；Xue et al.，2024)。当前，LLMs在心理健康领域的应用主要集中在心理健康教育、心理评估和辅助干预三个层面。 在心理健康教育层面，LLMs能够提供准确、即时的心理健康科普信息。研究表明，ChatGPT在回答心理健康相关的问题时能够与专业机构的官方回答保持高度一致(Sezgin et al.，2023)；此外，使用LLMs生成心理健康培训内容，还能够显著提高专业培训人员的效率(Barish et al.，2023)。在心理评估方面，LLMs展现出高效识别和追踪心理状态变化的能力。例如，Zhang等人(2025)通过LLMs进行数据增强，显著提高了传统机器学习模型对于自杀意念的识别准确率；Huang等人(2025)提出一种基于理论驱动的LLMs心理特征提取方法，其表现在预测个体生活满意度方面甚至超过人类专家。在心理健康干预层面，基于LLMs的聊天机器人成为主要愿景。已有研究发现，基于LLMs的聊天机器人可以经训练而表现出与人类相似的同理心(Martinengo et al.，2022；You et al.，2023)、提供包容性的回应(Ma et al.，2024)，甚至与个体建立治疗性的信任关系(Chan & Li，2023；Lee et al.，2024)。以上研究进展为构建基于LLMs的自助式AI心理咨询系统提供了技术基础，使得在无人类咨询师实时干预的情况下，为用户提供个性化、互动性的心理支持成为可能。尽管LLMs在心理健康领域展现出广阔前景，但将其有效应用于自助式心理咨询仍面临诸多挑战，需要从现有心理健康服务的局限性和需求缺口出发，探索最佳实践路径。 1.2.2 自助式AI心理咨询的潜力与挑战 目前心理健康服务主要包括专业人员提供的心理咨询和非互动式自助资源(如心理健康书籍、音频、视频课程等)。专业心理咨询广受认可，但面临资源稀缺、成本高昂和地域限制等问题(Patel et al.，2016；Saxena et al.，2007；Sun et al.，2024)。据统计，全球范围内的心理健康专业人员与其区域人口基数比例都处于严重失衡状态(Bruckner et al.，2011；Singla et al.，2018)；在中国，每十万人口对应的精神健康专业人员(包括精神科医生/护士、临床心理学家、咨询心理学家、心理康复治疗师和相关社会工作者等)不到3人(Sun et al.，2024)。同时，地域分布不均、服务成本高昂和社会污名化等因素进一步限制了专业心理咨询的普及(Sun et al.，2024；Yu et al.，2018)。书籍、视频和应用程序等非互动式自助心理健康资源虽然具有高可及性、低成本和易传播的优势，但存在交互有限、个性化不足等问题。基于LLMs的自助式AI心理咨询有望弥补当前心理健康服务的缺口，在保持高可及性和低成本优势的同时，为难以获得传统心理咨询服务的人群提供类似专业咨询的互动体验。然而，构建有效的自助式AI心理咨询系统面临两个核心技术挑战：一是如何在真实心理咨询数据稀缺的条件下优化模型性能；二是如何设计有效的人机交互方式，使用户能够建立类似于传统心理咨询中的治疗关系。
