学术研究报告
本研究由黄峰、丁慧敏、李思嘉、韩诺、狄雅政、刘晓倩、赵楠、李林妍、朱廷劭等人合作完成。研究团队主要来自中国科学院心理研究所认知科学与心理健康全国重点实验室、中国科学院大学心理学系、香港城市大学计算学院数据科学系、中国人民大学教育学院、美国圣母大学心理学系、香港大学社会科学学院社会工作及社会行政学系以及北京师范大学心理学部等多个国内外知名学术机构。该研究发表于《心理学报》（Acta Psychologica Sinica）2025年第57卷第11期。
一、 学术背景
本研究隶属于心理健康服务与人工智能交叉领域。其核心背景在于，现代社会中普遍存在的心理困扰（如抑郁、焦虑、压力、孤独感）与传统心理咨询服务资源稀缺、成本高昂、地域分布不均之间的矛盾日益突出，形成了巨大的“供给鸿沟”。尽管人工智能，特别是大语言模型（Large Language Models, LLMs）的快速发展，为开发高可及、低成本的自助式心理健康支持工具提供了新的契机，但相关研究仍面临关键挑战。
首先，如何在不依赖难以获取的真实心理咨询对话数据（因伦理和隐私限制）的前提下，有效优化LLMs在心理咨询场景下的表现，是一个核心的技术难题。传统的微调方法在数据稀缺时可能导致模型性能下降甚至“灾难性遗忘”。其次，自助式AI心理咨询的实际应用效果，尤其是对不同心理困扰的干预效果，缺乏基于随机对照试验（Randomized Controlled Trial, RCT）的系统性评估。再者，AI咨询师的交互设计（如拟人化程度）如何影响干预效果，其内在机制尚不明确。
针对上述问题，本研究旨在探索并验证一种不依赖真实案例数据的、基于大语言模型构建自助式AI心理咨询系统的技术路径，并系统评估其对普通人群心理健康状况的改善效果。研究整合了零样本学习（Zero-shot Learning）和思维链提示（Chain-of-Thought Prompting）策略来优化模型，并引入拟社会互动理论（Parasocial Theory）来探讨AI拟人化设计的调节作用。具体研究目标分为两个阶段：第一阶段（实验1）构建并优化基于LLMs的自助式AI心理咨询机器人系统；第二阶段（实验2）通过随机对照试验，评估该系统对抑郁、焦虑、压力、孤独感的干预效果，并检验AI咨询师拟人化设计的差异化影响。
二、 详细研究流程
本研究包含两个主要实验，流程严谨，环环相扣。
实验1：基于大语言模型的自助式AI心理咨询系统构建 本实验旨在解决“无真实数据如何优化AI咨询师”的问题，核心方法是利用提示工程（Prompt Engineering）而非模型微调。 1. 基座模型选择：研究团队依据国际大模型排行榜，选取了在中文交互中表现排名前三的模型作为候选：GPT-4o、Claude 3 Opus和Yi-Large。为了评估它们在心理咨询场景下的初始能力，研究者从公开的《心理健康对话数据集》中分层随机抽取了12个涵盖不同主题（如人际、家庭、成长）的案例作为测试集。基于简单的角色指令（“请扮演心理咨询师角色与用户对话”），让每个模型对每个案例进行10轮对话，共生成36份对话材料。 2. 专业评估与模型筛选：由3名持证心理咨询师组成的评估小组，依据制定的《AI心理咨询对话质量评估准则》，从“规范性”、“专业度”、“情感理解与共情能力”、“一致性与连贯性”四个维度（1-5分）对36份材料进行独立盲评。评估还包括“潜在有害信息”的一票否决安全审查。统计分析（方差分析及事后检验）显示，GPT-4o在规范性、情感理解与共情能力、一致性与连贯性及总分上均显著或部分显著优于其他两个模型，因此被选定为后续研究的基座模型。 3. 提示工程设计与优化：这是本实验的核心创新环节。研究采用迭代优化的方法设计复杂的思维链提示指令。初始指令由AI研究员和心理咨询师共同设计，包含角色定位、标准咨询流程（8个步骤）、可用的心理咨询理论与技术（如认知行为疗法、人本主义心理学等）以及伦理安全声明四大板块。随后进入“测试-反馈-调整”的迭代循环：评估员使用当前指令驱动GPT-4o与测试集案例对话，指出回复中的不足并提出优化建议（例如，如何更好地引导用户自我探索）；编译员将这些建议转化为具体的提示模块或内容，更新指令。此过程重复进行，直至模型输出质量不再明显提升。经过7轮迭代，形成了最终的优化角色指令。 4. 系统部署：将搭载了最终优化提示指令的GPT-4o模型API，通过企业微信应用开发接口进行部署，构建成可实际交互的自助式AI心理咨询机器人。
实验2：基于随机对照试验的自助式心理咨询效果评估 本实验旨在评估所构建系统的实际效果，并探究拟人化设计的影响。 1. 参与者招募与分组：通过在线平台招募了202名自述存在心理困扰的普通成年参与者。采用随机对照单盲设计，将参与者随机分为四组：三个实验组和一个对照组。三个实验组均使用实验1构建的优化版AI咨询师，仅在拟人化设计上不同： * F组：AI具有女性姓名（王静）和女性头像。 * M组：AI具有男性姓名（王涛）和男性头像。 * R组：AI无人类姓名（名为“心理咨询机器人”），头像为无性别特征的机器人形象。 * 对照组（C组）：使用未经任何心理咨询提示工程优化的原生GPT-4o模型，命名为“生成式人工智能”，头像为“AI”字样。 2. 研究流程与测量：整个研究持续16天。所有参与者在干预前（T1）完成基线测评。随后，实验组被要求在一周内，每天尽可能与指定的AI咨询师就心理困扰话题进行对话（以完成至少10轮、时长大于10分钟的对话计为一个有效互动日）。对照组则可在合规前提下与AI进行任何话题的对话。干预阶段结束后的两天内（T2），参与者完成后测。干预结束一周后（T3），参与者完成随访测评。测评工具均为标准化量表：抑郁-焦虑-压力量表简版（DASS-21）测量抑郁、焦虑、压力；孤独感简式量表（SSL）测量孤独感。 3. 数据分析方法：为处理纵向数据中可能存在的缺失值，研究采用线性混合效应模型（Linear Mixed Model, LMM）作为主要分析方法。模型以心理健康指标（抑郁、焦虑、压力、孤独感）为因变量，以组别、测量时间点（T1， T2， T3）及其交互项为核心自变量，同时控制年龄和性别，并将参与者ID作为随机截距纳入模型，以考虑个体差异。
三、 主要研究结果
实验1结果： 1. 模型选择：评估结果显示，GPT-4o在心理咨询对话质量上综合表现最佳，特别是在规范性和情感理解与共情能力上显著优于Claude 3 Opus和Yi-Large。 2. 提示工程效果：配对样本t检验表明，经过思维链提示策略优化后，GPT-4o在所有四个评估维度上的得分均有显著提升（p < 0.01）。其中，规范性、情感理解与共情能力、一致性与连贯性的提升效应量（Cohen‘s d）均大于1，属于大效应量。专业度虽有提升，但提升后均分（2.56）仍相对较低，表明模型在提供深度、专业的干预策略方面仍有局限。该结果验证了假设H1，即提示工程能显著提升模型在心理咨询场景下的表现。
实验2结果： 1. 整体干预效果：线性混合模型分析显示，组别与时间的交互作用在抑郁、焦虑、孤独感模型上均极其显著（p < 0.001），在压力模型上边缘显著（p = 0.051）。这表明不同组别参与者的心理健康指标随时间的变化模式存在差异。 2. 短期效果（T1 vs T2）：简单效应分析发现，在干预一周后（T2），所有三个实验组（F， M， R组）的抑郁、焦虑、压力和孤独感得分均较基线（T1）出现显著下降（所有p < 0.001）。而对照组（C组）在这四个指标上均无显著变化。这强有力地支持了假设H2，即基于优化提示的自助式AI心理咨询能有效改善用户的短期心理健康状况。 3. 效果的持续性（T3随访）：一周后的随访（T3）结果显示，焦虑症状的改善在所有实验组中均得以维持（与T2无显著差异，且仍显著优于T1）。然而，抑郁、压力和孤独感的改善效果在随访时出现了“反弹”，各组得分回升至与基线（T1）无显著差异的水平。这一发现部分支持了假设H3a，即焦虑的改善效果表现出更好的持续性。 4. 拟人化设计的调节作用： * 对孤独感的影响：在T2时，具有拟人化设计（F组和M组）的AI咨询师在缓解孤独感方面的效果，显著优于非拟人化设计（R组）的AI。这支持了假设H3c，即拟人化设计通过增强社会存在感（Social Presence），对以社会连接缺失为核心的孤独感有更好的缓解作用。 * 对压力的影响：在T2时，非拟人化设计（R组）的AI咨询师在减轻压力方面的效果，显著优于拟人化设计（F组和M组）的AI。这支持了假设H3b。研究者解释，压力缓解更依赖于问题解决，而非拟人化的、去社会评价威胁的环境可能更有利于用户开放地讨论压力问题。
四、 研究结论与价值
本研究得出以下核心结论：第一，在不依赖真实心理咨询对话数据的情况下，通过结合零样本学习和思维链提示策略的提示工程，能够有效优化大语言模型（如GPT-4o）在自助式心理咨询场景中的对话质量，特别是在规范性、共情和一致性方面。第二，基于此技术构建的自助式AI心理咨询系统，在为期一周的干预中，能显著改善普通人群的抑郁、焦虑、压力和孤独感。第三，AI咨询师的设计特征会对不同心理困扰产生差异化影响：拟人化设计在缓解孤独感方面更具优势，而非拟人化设计在减轻压力方面效果更佳。第四，干预效果的持续性因指标而异，焦虑症状的改善能维持至干预后一周，而其他指标的改善则未能持续。
本研究的科学价值在于：1）为在数据稀缺领域应用大语言模型提供了一种可行的技术范式（提示工程优于微调）；2）通过严格的随机对照试验，为首个（据文献所述）基于先进LLMs的自助式AI心理咨询系统提供了实证效果证据；3）将拟社会互动理论引入AI心理健康干预研究，揭示了人机交互设计对特定心理机制（如社会连接 vs. 问题解决）的差异化影响，为未来的个性化设计提供了理论指导。
其应用价值显著：为解决心理健康服务“供给鸿沟”问题提供了一种低成本、高可及性、且经过初步验证有效的技术解决方案。研究结果提示，未来的AI心理咨询系统可以根据用户的主要困扰（如孤独感主导或压力主导）动态调整交互界面的拟人化程度，以实现更精准的干预。
五、 研究亮点
六、 其他有价值内容
研究还详细报告了为确保AI安全性所做的努力，包括在评估准则中设置“潜在有害信息”的一票否决制，以及在提示指令中明确嵌入伦理安全声明（如声明AI身份、设定严重问题转介原则等）。此外，研究对样本流失进行了敏感性分析，证实数据缺失模式不影响主要结论，增强了研究的稳健性。研究也坦诚指出了当前系统的局限性，例如在“专业度”上虽有提升但仍有不足，以及除焦虑外其他指标的长期效果维持不佳，为未来研究指明了改进方向（如结合行为激活技术、增加干预周期或 booster session 等）。