基于 Agentic RAG 的智能心理咨询伴侣
基于范例模仿真实心理咨询师的话语模式，为用户提供专业的心理健康支持
PsyChat 是一个基于检索增强生成（RAG）技术的心理咨询 AI 助手。其核心目标是最大程度地蒸馏真实心理咨询师的说话方式——不只是复用知识库中的内容，而是主动分析、学习专业咨询师在共情、提问、引导节奏上的共性模式，并将其迁移到每一轮对话中。
系统运用理情行为疗法（REBT）理论框架，结合多阶段 Agent 工作流，帮助用户识别和调整非理性信念，缓解负面情绪。
- 🧠 ReAct 查询优化：轻检索获取锚点 → 分析匹配度 → 改写或直接检索，动态提升检索准确性
- 📖 完整对话上下文扩展：突破 chunk 片段限制，回溯完整咨询案例，让模型看到咨询师的完整工作节奏
- 🎯 咨询师话术分析：主动提炼参考案例中咨询师的共情方式、提问策略、引导节奏和语言特点，作为显式约束指导回答
- 💡 交互策略规划：回答前先判断对话所处阶段，规划下一步引导方向，而非被动应答
- 🔄 对话持续监控：连续多轮无 RAG 时自动触发强制检索，保持专业性
- 🎤 语音合成播放：基于阿里云百炼 TTS，将回答转换为温暖的语音
整体工作流流程图 （点击展开查看）
graph TD
A[用户输入] --> B[Psychology Agent 决策层]
B --> C{RAG判断 + 主题分类\n单次LLM调用}
C -->|不需要检索| D[对话持续监控\n连续N轮无RAG?]
D -->|未超限| E[直接回答\nREBT提示词]
D -->|已超限| F[🚨 强制触发RAG]
C -->|需要检索| G[ReAct 查询优化循环\n最多3轮]
F --> G
G --> G1[Observation: 轻检索获取锚点 top3]
G1 --> G2[Thought+Action: 分析锚点质量]
G2 -->|FINISH| H[使用当前查询词]
G2 -->|REWRITE| G1
H --> I[多查询词向量检索\nChromaDB]
I --> J{找到相关文档?}
J -->|未找到| E
J -->|找到| K[上下文扩展\n纯I/O 无LLM]
K --> K1[通过chunk锚点\n回溯原始完整对话]
K1 --> L[咨询师话术分析\n带主题缓存]
L --> L1{缓存命中?}
L1 -->|命中| M[复用话术分析结果\n0次LLM]
L1 -->|未命中| L2[LLM分析4维度话术共性\n1次LLM]
L2 --> M
M --> N[构建增强提示词\n完整案例+片段+话术+策略]
E --> O
N --> O[LLM生成最终回答]
O --> P[更新对话历史]
P --> Q[语音合成TTS]
Q --> R[返回结果]
PsychologyAgent.judge_rag_and_classify() 在单次调用中完成两件事：
- 是否检索：区分简单问候/闲聊（不检索）与实质性心理问题（检索）
- 主题分类：从 12 个预设主题中识别 1-3 个相关主题，用于后续向量检索过滤
12 个主题：情绪 / 人际 / 婚恋 / 家庭 / 性心理 / 成长 / 治疗 / 社会 / 职场 / 自我 / 行为 / 心理学知识
PsychologyAgent.generate_search_queries_with_pre_retrieval() 采用 ReAct 模式：
| 步骤 | 操作 | 说明 |
|---|---|---|
| Observation | 轻检索 top3 | 从向量库获取锚点文档，提取主题和表达样例 |
| Thought | 分析匹配度 | 判断查询是否过于口语化、宽泛、缺乏术语 |
| Action: FINISH | 直接使用当前查询 | 锚点已足够精准 |
| Action: REWRITE | 改写 3-5 个查询词 | 对齐知识库表达方式，从不同角度（症状/原因/方案）描述 |
包含死循环保护：改写结果与上轮相同时自动终止。
RAGSystem._search_with_multiple_queries() 对所有查询词并行检索，合并去重后按相似度排序，返回 TOP K 文档。
- 强制检索时，将本次结果与上次缓存结果合并，利用历史上下文提升召回
- 支持多主题过滤，各主题分配检索配额后合并
RAGSystem._expand_context() 解决了 chunk 分割导致"断章取义"的核心问题：
背景：知识库中每个 chunk 仅包含 3 轮对话（约 6 条消息），而一个完整的咨询案例往往有 10-15 轮。检索到的片段可能丢失咨询师的开场共情建立、问题探索过程和结尾引导总结。
实现：
chunk 首行文本 → 在原始 .txt 文件中定位 → 通过 ## 分隔符找到完整对话边界 → 返回整段对话
保护机制：
- 只扩展相似度最高的 TOP 2 个文档
- 仅当完整对话比 chunk 长 30% 以上时才扩展，避免重复展示
seen_anchors去重，防止同一对话的不同 chunk 触发重复回溯
RAGSystem._analyze_counselor_style() 实现了"主动学习"而非"被动模仿"：
分析维度：
- 共情方式：如何表达理解和接纳
- 提问策略：开放式/反思式/具体化问题的偏好
- 引导节奏：在何时探索、何时给建议
- 语言特点：用词风格和句式偏好
缓存机制：
- 按
topic（主题）缓存，同主题下只在首轮分析一次 - 主题切换时自动刷新缓存
- 会话清空时（
clear_conversation_history）同步清除缓存
首轮（新主题）：执行分析 → 缓存结果
后续轮（相同主题）：直接复用 → 0 额外 LLM 调用
RAGSystem._build_psychology_prompt() 构建结构化四层提示词：
【完整咨询案例参考】
└─ 来自上下文扩展，让模型理解完整的咨询节奏
【与用户问题最匹配的对话片段】
└─ 来自向量检索的 TOP K chunk，与当前问题最相关
【咨询师话术共性分析】
└─ 来自话术分析的 4 维度特征，作为显式约束而非模糊建议
【回应策略】
└─ 要求模型：判断当前对话阶段 → 规划下一步引导 → 模仿话术回应
这一设计将模糊的"学习风格"指令替换为结构化的显式约束，并要求模型在回答前进行主动的交互策略规划。
| 轮次类型 | 阶段一 | 阶段二 | 话术分析 | 最终生成 | 合计 |
|---|---|---|---|---|---|
| 无需 RAG（问候等） | 1 | 0 | 0 | 1 | 2 次 |
| 有 RAG + 首遇此主题 | 1 | 1-3 | 1 | 1 | 4-6 次 |
| 有 RAG + 同主题复用缓存 | 1 | 1-3 | 0 | 1 | 3-5 次 |
| 组件 | 技术 | 说明 |
|---|---|---|
| LLM | DeepSeek Chat | 对话生成和推理 |
| Embedding | 阿里云百炼 text-embedding-v4 | 文本向量化 |
| TTS | 阿里云百炼 CosyVoice | 语音合成与播放 |
| Vector DB | ChromaDB | 高效向量存储和检索 |
| Web 框架 | FastAPI + Uvicorn | 高性能异步 Web 服务 |
| 理论基础 | 理情行为疗法 (REBT) | 心理咨询核心方法论 |
git clone https://github.com/wink-wink-wink555/PsyChat.git
cd PsyChatpip install -r requirements.txt注意：如果需要使用语音播放功能，Windows 用户请确保安装了
playsound：pip install playsound==1.2.2
复制 env.example 为 .env 并填入你的 API 密钥：
cp env.example .env编辑 .env 文件：
# DeepSeek API (https://platform.deepseek.com/)
DEEPSEEK_API_KEY=your_deepseek_api_key_here
# 阿里云百炼 API (https://bailian.console.aliyun.com/)
ALIBABA_API_KEY=your_alibaba_api_key_here首次运行需要构建向量知识库：
python main.py --rebuild# 启动 Web 界面（默认）
python main.py
# 或使用命令行模式
python main.py --cli访问 http://localhost:8000 即可开始对话！
PsyChat/
├── main.py # 程序入口
├── config.py # 配置文件
├── requirements.txt # 依赖列表
├── env.example # 环境变量模板
├── agent/
│ └── psychology_agent.py # 决策Agent（RAG判断+ReAct优化）
├── core/
│ ├── rag_system.py # RAG系统核心（上下文扩展+话术分析+生成）
│ ├── vector_store.py # 向量存储
│ └── tts_service.py # 语音合成服务
├── data/
│ └── processor.py # 数据处理（对话分块）
├── web/
│ └── interface.py # Web 界面
├── resources/
│ ├── knowledge/ # 心理学知识库（12个主题的真实咨询对话）
│ └── prompts/ # 系统提示词
├── storage/
│ ├── chroma_db/ # 向量数据库（自动生成）
│ └── audio/ # TTS音频文件（自动生成）
└── docs/
├── architecture.md # 架构文档
└── TTS_GUIDE.md # 语音功能指南
本项目的知识库基于 PsyDTCorpus 数据集构建。
原始数据集经过以下预处理和增强：
- 按心理学主题（情绪、人际、职场、家庭、婚恋等）重新分类整理，共 12 个主题
- 每段完整对话按每 3 轮（6 条消息）分块，存入向量库
- 原始完整对话保留在
.txt文件中，供上下文扩展时回溯使用 - 添加主题标签，支持精准主题过滤
| 参数 | 说明 |
|---|---|
--rebuild |
重新构建知识库 |
--info |
显示知识库信息 |
--cli |
使用命令行交互模式 |
主要配置项（config.py）：
| 配置项 | 默认值 | 说明 |
|---|---|---|
CHUNK_SIZE |
400 | 文本分块大小 |
CHUNK_OVERLAP |
50 | 分块重叠大小 |
TOP_K_RESULTS |
6 | 检索返回文档数 |
SIMILARITY_THRESHOLD |
0.15 | 相似度阈值 |
MAX_NO_RAG_ROUNDS |
3 | 触发强制 RAG 的无检索轮数 |
TTS_ENABLED |
True | 是否启用语音合成 |
TTS_VOICE |
longanyang | 语音音色 |
TTS_RATE |
1 | 语速（0.5-2.0） |
详细的语音功能配置和使用说明，请参考 TTS功能指南。
支持的音色（包括但不限于）：
longanyang- 温柔男声（默认）longxiaochun- 温柔女声longjing- 平和女声longxuanxuan- 亲切女声
本项目仅供学习和研究使用。AI 咨询师的回复不构成专业医疗建议，如有严重心理健康问题，请及时寻求专业心理咨询师或医生的帮助。
本项目采用 MIT License 开源协议。
欢迎提交 Issue 和 Pull Request！
Made with 💝 by wink-wink-wink555