psy-awq-14b

DeepPsy-Chat: 深度心理大模型

<div align="center"> <img src="image/hdmx1.png" width="20%" alt="图片描述"> </div>

---

简介

---

传统心理对话系统（如SoulChat、EmoLLM）依赖心理学知识注入与通用对话优化，常受限于阶段脱节与浅层回应，难以动态整合问题探索（如识别压力源）、认知重构（如建立隐喻关联）与行动引导（如分步建议）。

DeepPsy突破了传统心理学AI的静态性与浅层化局限，通过动态阶段感知与认知深度增强，实现类人类咨询师的策略自适应与深度推理能力。

• 对话阶段感知: 基于心理学三阶段助人理论，模型通过显式的阶段标记（如<探索阶段>、<洞察阶段>、<行动阶段>）动态感知对话阶段，并动态调整策略。

• 长链条逻辑推理: 通过Test-time scaling驱动的“慢思考”机制，模型在生成回答前隐式整合多源信息，形成符合心理支持逻辑的推理路径。

• 解释性增强: 通过显式输出思考链（如“当前阶段：探索；推理焦点：压力触发场景”），系统使生成过程透明化，用户对建议的接受度提升。 同时，模型在关键决策点提供推理依据（如“基于您提到的家庭压力，建议优先处理...”），进一步增强用户信任感。

使用方式

我们提供了14B AWQ量化模型：

使用vllm部署deep-psy，在apikeys.py 填写 相关配置

python ai_character.py

在线体验：深度心理

数据构造

---

基于大量真实心理咨询数据，我们通过三个专家模型协同构建DeepPsy的数据集，具体流程如下：

• 信息抽取专家模型: 从咨询对话中精准识别咨询者的基础信息（年龄、性别、职业、教育程度）与心理特征（情绪状态、症状表现、咨询诉求），建立用户状态的多维度表征体系，帮助DeepPsy更好的感知用户状态。

• 问题构造专家模型: 基于用户状态特征与历史咨询规律，生成符合伦理规范、保护隐私边界的咨询问题，并保留真实对话语言风格和语义密度。

• 回答构造专家模型: 根据用户状态特征、构造问题、历史咨询，模拟心理咨询师的认知决策路径：先解析用户实时心理状态与问题上下文，再结合专业干预策略生成渐进式引导话术，构造了完整的思维链和回答。

<div align="center"> <img src="image/1.jpg" width="40%" alt="图片描述"> </div>

• 生成数据均通过心理学专家内容审核与AI一致性检测，确保数据质量和伦理合规。
• 经过多维度标注与清洗，最终得到3万条结构化心理咨询数据。为确保模型可靠性，按9:1比例将数据集划分为训练集和测试集。

数据示例

    {
        "问题": [
            {
                "content": "助人技术把对话分为三个阶段: 探索阶段, 洞察阶段，行动阶段，另外还有危机处理阶段应对特殊情况。助人技术的三阶段模型是心理咨询与助人技巧中的一个经典框架，旨在帮助助人者有效支持求助者解决问题。                     
                            当前助人阶段处于探索阶段。
                            探索阶段是助人技术三阶段模型中的基础部分，旨在建立信任关系并帮助求助者更好地表达自身的感受、想法和问题。
                            - 目标：帮助求助者澄清情感、了解问题并表达自己。
                            - 核心任务：
                               - 建立信任关系。
                               - 倾听求助者的叙述并体现共情。
                               - 鼓励求助者表达内心感受和问题的细节。",
                "role": "system"
            },
            {
                "content": "哦，你好。我没想到会这么快打通，有点突然。",
                "role": "user"
            },
            {
                "content": "“没关系，慢慢来。你觉得现在适合聊聊最近的心情或困扰吗？或者先说说是什么让你今天决定联系呢？”（用平静的语气，给予对方掌控对话节奏的空间）",
                "role": "assistant"
            },
            {
                "content": "嗯，我觉得最近心情挺低落的。工作压力大，情绪也总是不稳定。有时候觉得自己解决不了问题，就想要找个人倾诉一下。",
                "role": "user"
            }
        ],
        "回答": "\n\n<think>\n好的，用户现在提到最近心情低落，工作压力大，情绪不稳定，想要倾诉。根据探索阶段的目标，我需要建立信任，帮助他表达感受和问题。首先，我应该用开放式提问让他多说一些，比如具体的工作压力是什么，或者情绪不稳定的例子。同时，要反映他的情感，确认他的感受，比如“听起来工作压力让你感到有些无助，对吗？”这样可以让他感到被理解。还要注意不要急于给建议，保持非评判的态度，让他自由表达。可能需要澄清具体的情况，比如问他什么时候开始有这种感觉，或者有没有特别的事情触发。另外，要关注他的非语言信息，虽然这里是文字交流，但可以通过回应来营造支持的氛围。比如用共情的语句，如“这确实不容易，你愿意多说说吗？”这样可以鼓励他继续深入。需要避免封闭式问题，而是用“能具体说说吗？”来引导他详细描述。同时，要处理可能的沉默，如果他停顿，给予耐心等待。总之，目标是让他感到安全，愿意分享更多，为后续阶段打下基础。\n\n</think>\n\n
                “听起来工作压力和情绪波动让你感到有些疲惫，对吗？你提到‘解决不了问题’的时候，具体是哪些事情让你有这种感觉呢？（停顿）比如最近有没有哪件事特别让你觉得难以应对？”（用温和的语气，给予对方具体描述的空间）"
    }

• 问题：通过引入多轮对话数据增强技术，使DeepPsy的回答更贴合真实咨询的交互动态（如上下文连贯性、情感递进性），显著缓解传统大语言模型在单轮问答场景中易出现的机械式回应倾向（如过度概括、缺乏针对性追问）。

• 回答：引入思维链，解析用户当前状态，模拟咨询师的渐进式思考轨迹，提升回答的质量和可解释性。

对话模型训练

---

为满足不同场景的业务需求，我们分别以DeepSeek-R1-Distill-Qwen-14B和QwQ-32B为基底模型训练了不同尺寸的DeepPsy对话模型。

DeepPsy对话模型的prompt包含了咨询者不同阶段的状态信息、以及完整的咨询历史和咨询问题。
我们将咨询者状态划分为三个不同的阶段，即：

• 探索阶段: 与咨询者建立信任关系并帮助其更好地表达自身的感受、想法和问题。
• 洞察阶段: 帮助咨询者深入理解问题的根源，探索内在模式或矛盾，改变认知行为。
• 行动阶段: 与求助者一起探索可能的解决方案。

通过使用不同阶段的数据训练模型，实现了从用户状态感知到咨询策略输出的闭环优化，使DeepPsy对话模型既能保持专业服务水准，又能适配个体化需求差异。

agent开发

---

<div align="center"> <img src="image/2.png" width="80%" alt="图片描述"> </div>

如上图所示，我们以Hill三阶段助人理论为基础，对心理治疗场景进行建模，根据心理治疗的规范流程开发具备初步心理疗愈能力的智能体。

@misc{chen2025deeppsyagentstageawaredeepthinkingemotional,
      title={DeepPsy-Agent: A Stage-Aware and Deep-Thinking Emotional Support Agent System}, 
      author={Kai Chen and Zebing Sun},
      year={2025},
      eprint={2503.15876},
      archivePrefix={arXiv},
      primaryClass={cs.AI},
      url={https://arxiv.org/abs/2503.15876}, 
}

效果

---

<div align="center"> <img src="image/p1.png" width="100%" alt="图片描述"> <img src="image/p2.png" width="100%" alt="图片描述"> <img src="image/p3.png" width="100%" alt="图片描述"> </div>