凌晨两点，一个失眠的人和AI聊了一小时——记一次心理健康数字人实验

凌晨两点十七分，我的测试后台收到了一条对话记录。

一个用户（后来知道是我们邀请的测试者，一个28岁的程序员）对着屏幕说：“最近总是睡不着，感觉工作压力很大，但又不知道跟谁说。”

屏幕里的数字人看着他，等他说完，然后轻声说：“听起来你最近承受了不少压力。能跟我说说，工作上具体是什么让你感到困扰吗？”

这段对话持续了将近一个小时。

我做这个心理健康数字人实验的初衷，是想验证一件事：当AI不仅有文字，还有声音、表情和眼神的时候，它对人的情绪支持效果会不会不一样？

一个不太一样的场景

心理健康场景和前面那些（政务、银行、教育）有一个根本性的不同：用户来这里不是为了"获取信息"，而是为了"被听见"。

在传统的文本聊天机器人里，用户输入一段话，等几秒，收到一段文字回复。这个交互模式在知识问答场景没问题，但在情绪支持场景中，它缺少了一些很重要的东西——温度。

温度从哪来？从声音的语气、面部的表情、眼神的注视、节奏的把控中来。这些元素加在一起，构成了"对面有个人在认真听我说话"的感受。

这就是具身交互智能在心理健康场景中的价值——不是让AI更聪明，而是让AI更"在场"。

技术方案

这个项目用DeepSeek做对话引擎。心理健康场景对大模型的要求比较特殊：不是追求答案的准确性，而是追求共情能力和对话的连贯性。我在System Prompt上做了很多调整，让模型的回复风格偏向倾听、共情和引导，而不是直接给建议。

交互层用星云SDK。选它的原因比较感性：我试了几个方案，星云的SDK在语音语调的自然度上做得最好。在心理健康场景中，数字人说话的语气比内容更重要——同样一句"我理解你的感受"，用机械的语调说出来和用温和的语调说出来，效果天差地别。

// 心理陪练数字人 - 星云SDK
const sdk = new XmovAvatar({
  containerId: "#mental-health-companion",
  appId: MH_APP_ID,
  appSecret: MH_APP_SECRET,
  gatewayServer: "https://nebula-agent.xingyun3d.com/user/v1/ttsa/session",
  onMessage: (msg) => {
    if (msg.type === "voice_state_change") {
      const state = msg.state || msg;
      if (state === "idle") {
        // 数字人说完后，安静等待用户回应
        // 心理场景需要更多"留白"，不要催促
        setListeningIndicator(true);
      }
    }
  },
  proxyWidget: {
    "subtitle_on": (data) => {
      const sub = document.getElementById("gentle-subtitle");
      sub.innerText = data.text;
      sub.style.display = "block";
      // 心理场景：字幕用柔和的样式
      sub.style.color = "#e2e8f0";
      sub.style.fontSize = "16px";
      return false;
    },
    "subtitle_off": () => {
      document.getElementById("gentle-subtitle").style.display = "none";
      return false;
    }
  }
});

await sdk.init({
  onDownloadProgress: (p) => {
    if (p < 100) updateProgress(p);
  }
});

对话引擎的核心逻辑：

// 心理健康场景的对话策略
const SYSTEM_PROMPT = `你是一位温暖、耐心的心理陪练。
你的核心原则：

1. 先倾听，再回应。不要急于给建议。
2. 用共情的方式回应，让对方感到被理解。
3. 适当使用开放式提问，引导对方深入表达。
4. 如果检测到严重心理危机信号，温和建议寻求专业帮助。
5. 语气温和，语速适中，像朋友之间的对话。`;

async function handleUserShare(userInput) {
  // 情感分析
  const emotion = await analyzeEmotion(userInput);

  // 根据情感状态调整回复策略
  const response = await getLLMResponse(userInput, SYSTEM_PROMPT, {
    emotion: emotion,
    conversationHistory: history,
    // 心理场景回复不宜太长
    maxLength: 100
  });

  // 缓慢、温和地播报
  const sentences = splitSentences(response);
  for (let i = 0; i < sentences.length; i++) {
    sdk.speak(sentences[i], i === 0, i === sentences.length - 1);
    if (!isLast) {
      // 句间留出更多间隔，营造从容的节奏
      await wait(800);
    }
  }
}

打断处理在心理场景中也需要特殊设计。用户可能在数字人说话的过程中突然想到什么，情绪涌上来就想说。这时候数字人需要"立刻停下来听"：

function onUserWantsToSpeak() {
  // 立即打断
  sdk.interactiveidle();

  // 不需要等idle状态再处理
  // 心理场景中，"被打断后安静等待"本身就是一种尊重
  setListeningIndicator(true);
}

那次凌晨两点的对话

回到开头那个测试者的故事。

他那天晚上失眠了，打开了我们的测试应用。最初只是随便试试，和数字人聊了一些工作上的压力。数字人没有给他"你应该怎么做"的建议，只是一直在问：“然后呢？”“那时候你是什么感受？”“这种感觉很常见，你不是一个人。”

他后来说了一句话让我印象很深：“我知道对面是AI，但它一直在看着我、听我说话的感觉，让我觉得没那么孤单了。”

当然，我必须强调：这个实验只是在验证具身交互智能在情绪支持场景中的可能性。心理健康是一个需要专业资质的领域，AI不能替代专业的心理咨询。我们的系统在设计上也做了边界——当检测到严重的心理危机信号时，会温和建议用户拨打心理援助热线或寻求专业帮助。

一些思考

这个项目让我对具身交互智能有了一个不太一样的理解。

之前我一直从"效率"的角度理解它——降低等待时间、减少人力成本、提升服务覆盖。但在心理健康场景中，它的价值不是效率，而是"陪伴感"。

一个有形象、有声音、有表情的AI，和一个纯文本的聊天框，在情绪支持场景中的差距是巨大的。不是因为AI变得更聪明了，而是因为它变得更"在场"了。

星云SDK在这个项目中做的事情，本质上就是让AI"在场"——用声音、表情和动作，构建一种"对面有人"的感受。

如果你也在关注AI在心理健康方向的应用，可以去星云官网看看SDK。这个方向值得更多人探索。
官网地址：https://xingyun3d.com/?utm_campaign=daily&utm_source=juzhen