DeepPsy-Agent: A Stage-Aware and Deep-Thinking Emotional Support Agent System

📄 arXiv: 2503.15876v1 📥 PDF

作者: Kai Chen, Zebing Sun

分类: cs.AI

发布日期: 2025-03-20

💡 一句话要点

DeepPsy-Agent：结合心理学三阶段理论与深度学习的情感支持智能体系统

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 情感支持 心理咨询 对话系统 深度学习 阶段感知 深度思考 人机交互

📋 核心要点

  1. 现有AI心理支持系统缺乏对心理咨询阶段的理解和动态调整，难以提供高质量的个性化支持。
  2. DeepPsy-Agent结合心理学三阶段理论，通过阶段感知和深度思考，实现更有效的对话管理和干预。
  3. 实验表明，DeepPsy-Agent在关键指标上优于通用LLM，并验证了阶段感知和深度思考模块的有效性。

📝 摘要（中文）

本文介绍了一种创新的心理支持系统DeepPsy-Agent，它将心理学中的三阶段帮助理论与深度学习技术相结合。该系统包含两个核心组件：（1）一个多阶段响应对话模型（deeppsy-chat），通过阶段感知和深度思考分析来增强推理能力，从而生成高质量的响应；（2）一个实时阶段转换检测模型，用于识别上下文转变，引导对话进入更有效的干预阶段。基于30,000个真实的心理热线对话，我们采用AI模拟对话和专家重新标注策略构建了一个高质量的多轮对话数据集。实验结果表明，DeepPsy-Agent在问题暴露完整性、认知重构成功率和行动采纳率等关键指标上优于通用大型语言模型（LLM）。消融研究进一步验证了阶段感知和深度思考模块的有效性，表明阶段信息对性能的贡献为42.3％，而深度思考模块将根本原因识别提高了58.3％，并将无效建议减少了72.1％。该系统通过动态对话管理和深度推理解决了基于AI的心理支持中的关键挑战，从而推进了智能心理健康服务。

🔬 方法详解

问题定义：现有AI心理支持系统通常缺乏对心理咨询阶段的理解，难以根据用户的情绪状态和问题进展进行动态调整，导致支持效果不佳。通用大型语言模型虽然具备一定的对话能力，但在心理支持领域，其专业知识和推理能力仍有不足，容易给出不准确或无效的建议。

核心思路：DeepPsy-Agent的核心思路是将心理学中的三阶段帮助理论（探索、洞察、行动）融入到对话系统中，通过阶段感知和深度思考来模拟专业心理咨询师的思维过程。系统能够识别用户所处的阶段，并根据该阶段的目标生成相应的回复，从而提供更具针对性和有效性的支持。

技术框架：DeepPsy-Agent系统包含两个核心组件：多阶段响应对话模型（deeppsy-chat）和实时阶段转换检测模型。deeppsy-chat负责生成高质量的回复，它通过阶段感知模块获取当前对话阶段的信息，并通过深度思考模块进行推理分析。实时阶段转换检测模型则负责监测对话的上下文，判断是否需要切换到新的阶段，并将结果反馈给deeppsy-chat。整个系统基于一个高质量的多轮对话数据集进行训练，该数据集通过AI模拟对话和专家重新标注策略构建。

关键创新：DeepPsy-Agent最重要的技术创新点在于将心理学理论与深度学习技术相结合，实现了阶段感知的对话管理和深度思考的推理分析。与传统的基于规则或检索的对话系统相比，DeepPsy-Agent能够更好地理解用户的需求，并提供更具个性化和专业性的支持。与通用大型语言模型相比，DeepPsy-Agent在心理支持领域具有更强的专业知识和推理能力。

关键设计：阶段感知模块通过对用户输入和历史对话进行分析，判断当前对话所处的阶段。深度思考模块则采用一种基于知识图谱的推理方法，从心理学知识库中提取相关信息，并进行推理分析，以生成更具针对性的回复。数据集构建方面，采用了AI模拟对话和专家重新标注相结合的方法，保证了数据的质量和多样性。具体的参数设置、损失函数、网络结构等技术细节在论文中未详细说明，属于未知信息。

📊 实验亮点

实验结果表明，DeepPsy-Agent在问题暴露完整性、认知重构成功率和行动采纳率等关键指标上优于通用大型语言模型。消融研究表明，阶段信息对性能的贡献为42.3％，深度思考模块将根本原因识别提高了58.3％，并将无效建议减少了72.1％。这些数据充分验证了DeepPsy-Agent的有效性和优越性。

🎯 应用场景

DeepPsy-Agent可应用于在线心理咨询平台、智能客服系统、心理健康教育等领域。它可以为用户提供随时随地的心理支持，缓解心理压力，促进心理健康。该研究有助于推动AI在心理健康领域的应用，为构建智能化的心理健康服务体系提供技术支持，具有重要的社会价值和应用前景。

📄 摘要（原文）

This paper introduces DeepPsy-Agent, an innovative psychological support system that combines the three-stage helping theory in psychology with deep learning techniques. The system consists of two core components: (1) a multi-stage response-capable dialogue model (\textit{deeppsy-chat}), which enhances reasoning capabilities through stage-awareness and deep-thinking analysis to generate high-quality responses; and (2) a real-time stage transition detection model that identifies contextual shifts to guide the dialogue towards more effective intervention stages. Based on 30,000 real psychological hotline conversations, we employ AI-simulated dialogues and expert re-annotation strategies to construct a high-quality multi-turn dialogue dataset. Experimental results demonstrate that DeepPsy-Agent outperforms general-purpose large language models (LLMs) in key metrics such as problem exposure completeness, cognitive restructuring success rate, and action adoption rate. Ablation studies further validate the effectiveness of stage-awareness and deep-thinking modules, showing that stage information contributes 42.3\% to performance, while the deep-thinking module increases root-cause identification by 58.3\% and reduces ineffective suggestions by 72.1\%. This system addresses critical challenges in AI-based psychological support through dynamic dialogue management and deep reasoning, advancing intelligent mental health services.