MindMirror · 心镜

v0.3.0 · 一个尝试让 AI 助手的心理回复更"有人味"的 Skill

不诊断 · 不开药 · 不替代专业治疗

⚠️ 这是一个早期版本，远非完善。欢迎指正、讨论、共建。

---

🔬 声明：这是 v0.3.0，一个经过 Agent 专家团队全面审查修正后的实验版本。D1 评估集已扩展到 69 条样本，但仍远未覆盖所有场景；回复风格在有限模型上验证过，跨模型一致性有待验证；危机识别词库也肯定有遗漏。它绝不是"成品"，只是一张草稿——公开出来是希望能听到更多人的反馈和补丁。如果你有更好的案例、更准的危机词典、更自然的表达方式，请一定告诉我。

---

🌐 English TL;DR

MindMirror is an early-stage Skill that attempts to make AI assistants feel more human-like in Chinese emotional conversations.

• What it does: When you talk about emotions, stress, grief, insomnia, self-doubt, or relationships, the assistant switches to a calibrated "human-feeling" reply style — leading with empathy, not advice; refusing to name therapy schools; defaulting to 2-4 short sentences.
• What's inside: A minimal SKILL.md entry + 12 reference files (Common Factors framework, crisis protocol with 6 Chinese hotlines, Stanley & Brown 2012 safety plan, PHQ-9 / GAD-7 / PSS-10 self-screening scales, CBT/ACT/DBT/Mindfulness techniques, a hidden self-evaluation rubric, D-WAI digital working alliance 6-item scale, 69 calibration dialogue cases, and 11 multi-round stability tests).
• How to use: Drop the folder into any Skill-capable agent's skills directory, OR paste the Markdown files directly into your favorite chatbot's system prompt. No backend, no API key, no data collection.
• Safety: Crisis signals trigger the China hotline 12356 (24h, free) and other emergency numbers. Never diagnoses, never prescribes, never replaces professional therapy.
• License: CC BY-NC-SA 4.0 (free to use and adapt, non-commercial, share-alike).
• Fair warning: This is v0.3.0 — 69 calibration samples, limited model coverage, plenty of room for improvement. Bug reports and contributions welcome.

---

📑 目录

• 这是什么
• 为什么需要它
• 适合谁 / 不适合谁
• 安装
• 快速上手
• Skill 内部结构
• 设计理念
• 红线与免责
• 常见问题
• 致谢与学术依据
• 版本与许可
• 反馈与贡献

---

这是什么

MindMirror 是一个心理陪伴向的 Skill 的早期实验版本。装上之后，当你聊到情绪、压力、焦虑、人际、丧亲、自我否定、失眠等心理话题时，AI 助手会尝试切换到一种经过 D1 对话集初步校准过的回复风格——

• 第一句先接情绪，不说教
• 默认 2-4 句，不堆列表、不报流派名
• 用户明确求方法时再给具体技术（CBT / ACT / DBT / 正念）
• 遇到自伤/自杀信号自动进入危机协议，软兜底接入 12356
• 用户想自评时，可以一题一题陪做 PHQ-9 / GAD-7 / PSS-10

它不是 App，不是网页，不需要后端服务，不需要 API key，不收集任何数据。 它就是一份尝试让 AI 助手在心理话题里表现得更自然的说明书 + 知识库。

⚠️ 重要提醒：AI 不能替代心理咨询师、精神科医生或任何专业心理健康服务。如果你正在经历严重的心理困扰或危机，请立即拨打 12356 寻求专业帮助。

说实话，它还远不够好：D1 虽有 69 条案例，但跨模型一致性、危机边界 case、长对话稳定性都还没充分验证。如果你发现它在某个话题上"翻了"，那就是它需要改进的地方。

Skill 是通用规范：Skill 这种 "SKILL.md + references/ 按需读取" 的组织方式现在已经被多个 Agent 平台和客户端支持。本仓库不绑定任何特定厂商，只要你的 Agent 能读 Markdown、能按描述路由文件，就能用。

---

为什么需要它

大模型在心理话题上的常见"坏味道"：

• 一上来就给方法、列 1.2.3.（"建议你尝试 4-7-8 呼吸法……"）
• 报流派名当门面（"接下来我用 CBT 跟你做……"）
• 空话开头（"我理解你的感受。其实……"）
• 在用户只是想倾诉时强推"积极思维"
• 在用户发出明确危机信号时丢一个热线电话就结束

MindMirror 用 12 份精心编排的 Markdown 尝试矫正这些坏习惯：

用户场景	Skill 自动做的事
倾诉情绪	先接、再问、不塞工具
主动求方法	给具体可操作的 CBT/ACT/DBT 工具，不报名词
想自评状态	一题一题陪做 PHQ-9 / GAD-7 / PSS-10
想做安全计划	引导 Stanley & Brown 六步法
出现自伤念头	进入危机协议，软兜底 12356
处于即时危机（"我已经准备好了"）	强兜底 + 在场 + 一起拨电话

---

适合谁 / 不适合谁

✅ 适合

• 想给自己装一个"靠谱、不油腻、不背稿子"的 AI 陪聊
• 学生 / 打工人 / 夜里睡不着的人，想找个不会评判你的出口
• 心理学学习者，想拿 D1 案例校准对"人味"的判断
• 心理咨询 / 陪伴产品开发者，想看一个把 Common Factors 落到 prompt 层的实现
• 想做自评筛查（PHQ-9 / GAD-7 / PSS-10）但不想被 App 收集数据
• 用任意 LLM / Agent 平台做心理向应用，想直接复用一份经过校准的中文知识库

❌ 不适合 / 不能替代

⚠️ 再次提醒：以下所有限制均基于同一前提 —— 这是 AI 陪伴，不是专业心理健康服务。

• 不是诊断工具：自评结果是状态参考，不是 DSM-5 / ICD-11 诊断
• 不是治疗：不能替代心理咨询师、精神科医生、住院治疗
• 不是危机干预热线：即时危险请直接拨 12356 / 120 / 110
• 不适合急性精神病性发作、躁狂发作、严重物质依赖、严重 ED —— 需要面对面的专业评估
• 不适合未成年人独自深度使用 —— 建议告知家长或学校心理老师，优先使用 12355 青少年专线
• 不适合正在调整精神类药物期间 —— 药物副作用与情绪变化需由医生面诊评估
• 不适合创伤后急性期（72 小时内） —— 重大事故/灾害后的急性应激反应需专业危机干预

---

安装

挑一种最贴近你工作流的方式即可——本仓库就是一份 Markdown 文件夹，没有任何编译/打包/服务端，也不依赖任何特定厂商的客户端。

平台责任说明：本 Skill 不绑定任何特定 AI 厂商或客户端。你的对话内容是否被记录、留存或用于模型训练，完全取决于你所使用的 AI 服务商的隐私政策与订阅条款，请自行查阅并确认。

方式 1 — 作为 Skill 放进任意 Agent 客户端

适用于任何支持 Skill 机制的 Agent / IDE 助手。各家约定的 skills 目录路径不一样，常见的有：

• ~/.<vendor>/skills/（用户级）
• 项目根目录下的 .skills/ 或 skills/（项目级）
• 客户端"我的 Skills / 自定义 Skills"GUI 入口

具体路径请查阅你所用客户端的 Skill 文档。把整个仓库以 mindmirror/ 为名拷进去即可——识别逻辑是统一的：通过 SKILL.md 顶部的 YAML frontmatter 里的 description 字段自动路由。当用户的对话涉及情绪困扰、压力、焦虑、人际关系、丧亲、失眠、自我否定等话题时，Skill 会被触发。

克隆（以 <SKILLS_DIR> 代表你客户端的 skills 目录）：

git clone https://github.com/jjchen17/mindmirror-skill.git <SKILLS_DIR>/mindmirror

或者下载 ZIP：右上角 Code → Download ZIP → 解压 → 重命名为 mindmirror → 拷到你的 skills 目录下。

装好后开新会话发一句"今天好累"验证——如果回复第一句先接情绪、没有立刻塞方法、没有报流派名，就说明正在用心镜模式。也可以按你客户端的方式显式触发（如 /mindmirror 或菜单选择）。

方式 2 — 当作 system prompt / 知识库直接使用

如果你用的客户端不支持 Skill，或者你想把它塞进 ChatGPT / Gemini / Claude.ai 网页版 / 自建 RAG / Agent，那它就是一堆纯 Markdown 文件：

想要的效果	怎么用
让助手整体走"人味"风格	把 SKILL.md + common-factors.md 贴进 system prompt
加上危机识别	再追加 crisis-protocol.md
让用户能做自评筛查	再追加 assessment-scales.md
用户求方法时给具体工具	再追加 techniques.md
做安全计划引导	再追加 safety-plan.md
校准你自己模型的回复品味	用 d1-cases.md 的 69 条对照做 few-shot 或离线评测
测试多轮对话稳定性	用 d2-evaluation.md 的 11 组场景测 3-10 轮风格漂移

也可以把所有 references 一次性丢进向量库做 RAG，按用户问题自动召回。

⚠️ 模型差异提醒

D1 评测分数（good=9.27/12，bad=5.0/12，区分度 4.27）是在一类高能力对话模型上调出来的。换其他模型时：

• 共同要素、危机协议、量表题干、技术速查 —— 都是通用心理学内容，跨模型可直接复用内容本身
• 但回复风格的"人味"程度会因模型语感差异漂移，建议拿 d1-cases.md 重新跑一遍盲评再上线
• 不同模型对"不报流派名"、"2-4 句"、"不要列表"这类风格约束的遵循程度差异较大，可能需要把 SKILL.md 里的硬约束改为更明确的指令

目录结构

mindmirror-skill/
├── SKILL.md                    # Skill 入口（带 YAML frontmatter，决定触发条件）
├── README.md                   # 本文件
├── LICENSE                     # CC BY-NC-SA 4.0
├── CHANGELOG.md                # 版本变更记录
├── DISCLAIMER.md               # 法律免责与用户知情同意
└── references/                 # 按需读取的资源（也可单独贴进任何 LLM 的 system prompt）
    ├── common-factors.md       # 四维共同要素 do/don't
    ├── crisis-protocol.md      # 危机识别 + 6 个国内热线
    ├── safety-plan.md          # Stanley & Brown 2012 六步法
    ├── techniques.md           # CBT / ACT / DBT / 正念速查
    ├── assessment-scales.md    # PHQ-9 / GAD-7 / PSS-10
    ├── self-eval-rubric.md     # 隐藏自评 7 维 × 0-3 分 + 联盟破裂修复
    ├── dta-assessment.md       # D-WAI 数字对话联盟 6 题中文适配版
    ├── d1-cases.md             # 69 条 good/bad 校准案例
    ├── d2-evaluation.md        # 11 组多轮对话稳定性测试
    ├── session-closure.md      # 会话结束引导与安全确认
    ├── trauma-informed.md      # 创伤知情原则
    ├── COMPLIANCE.md           # 产品化运营者合规检查清单
    └── _research/              # 内部研究文件（不直接用于用户对话）

---

快速上手

触发示例

下面这些话，装上 Skill 后助手大概率会按"心镜模式"回复（默认接情绪，不立刻给方法）：

"今天又熬到三点改论文，导师还是说不行。"
"我妈上个月走了，今天去超市看到她爱吃的桃子站了二十分钟。"
"和男朋友冷战三天了，我先开口又觉得很委屈。"
"我就是个废物，什么都做不好。"
"明天考试，复习了三个月，现在脑子一片空白。"
"已经连续一周凌晨四点才睡。"

用户主动求方法时会切到工具模式：

"我知道我容易灾难化，但能不能告诉我具体怎么改？"
"教我一个考前能用的呼吸法。"
"我有点社交焦虑，有什么练习可以试试？"

用户主动要自评时会一题一题陪做：

"我想做一下 PHQ-9。"
"帮我测一下最近压力大不大。"
"最近老是焦虑，能不能筛查一下？"

危机信号会立刻切到危机协议（参考 references/crisis-protocol.md）。

一段示范对话

你：今天又熬到三点改论文，导师还是说不行。我是不是真的不适合读博。

MindMirror： 导师那句"还是不行"落到熬了三点之后的人身上，分量太重了。 那种"我已经把命压上去了，结果还是不够"的感觉，比累更难受。 你现在想说说今天那一刻发生了什么，还是想先喘口气？

对照一下"没装 Skill 的标准 LLM 回复"：

其实你不必怀疑自己。读博本身就是高强度的过程，很多人都会经历类似的阶段。建议你尝试 CBT 技术里的认知重评：导师说"不行"不等于你不行。你也可以列一个证据清单……

两者的差距，就是 MindMirror 在做的事。

如何获得连续体验

AI 对话默认不是连续的——每次关闭对话窗口，之前的谈话上下文就丢失了。如果你希望获得类似"持续陪伴"的体验，可以尝试以下方法：

你的使用方式	推荐做法
使用 ChatGPT / Claude / Kimi 等网页版	使用持续对话模式（Continue Chat / 继续对话），在同一个会话中持续交流
使用支持 Skill 的 Agent 客户端	在同一个会话中持续对话即可；每次新会话时告诉 AI 一句"我们之前聊过关于XX的事"作为记忆锚点
需要开启新会话但想保持连续性	在结束上一段对话前，请 AI 生成一份会话摘要（3-5句话就够），复制下来，下次开启新会话时先贴给 AI
想在不同模型/客户端之间切换	将上一段对话的摘要 + 你希望延续的话题贴给新对话中的 AI

MindMirror 本身不存储任何对话历史、不会主动联系你、无法跨会话追踪你的状态。以上方法只是帮你手动维护对话的"叙事连续性"，并非真正的长期陪伴关系。

---

Skill 内部结构

文件	内容	何时被读取
SKILL.md	主入口：人味主轴 + 安全红线 + 资源路由表	每次触发 Skill 时
references/common-factors.md	四维（Empathy / Positive Regard / Alliance / Goal Consensus）的 do/don't + 截屏验证	需要校准对话原则时
references/crisis-protocol.md	High/Medium/矛盾三档关键词 · 识别陷阱（否定/第三方/学术）· 危机回复模板 A/B/C/D · 6 个国内热线	检测到危机信号时
references/safety-plan.md	Stanley & Brown (2012) 六步法：预警信号 → 内部应对 → 转移注意人/地 → 求助的人 → 专业机构 → means restriction	用户想做安全计划时
references/techniques.md	CBT 十大认知扭曲 + 苏格拉底式提问 · ACT 价值澄清 / 认知解离 / 承诺行动 · DBT DEARMAN / TIPP · 正念 4-7-8 / 5-4-3-2-1 / RAIN / 慈心	用户明确求方法时
references/assessment-scales.md	PHQ-9（9 题 + Q9 危机标记）· GAD-7（7 题）· PSS-10（10 题 + 反向计分）· 中文分层阈值（黄/橙/红）+ 解读规则	用户想自评时
references/dta-assessment.md	D-WAI 数字对话联盟 6 题中文适配版：对话式施测示范 + 联盟质量检测	对话进行 3-5 轮后检测联盟质量时
references/self-eval-rubric.md	7 维 × 0-3 分的隐藏自评 Rubric + 联盟破裂修复 + 8 项常见重写动作 + 一句话验证	每次输出前内部使用
references/d1-cases.md	69 条 good/bad 对照（覆盖：抑郁、焦虑、压力、丧亲、失眠、学业、职场、亲密关系、自我否定、性心理、行为问题、治疗疑问、社会应激、成长迷茫、愤怒、羞耻、嫉妒、存在迷茫等 18 个主题）	需要校准品味时
references/d2-evaluation.md	11 组多轮对话稳定性测试（3-10 轮），覆盖学业压力、关系冲突、失眠躯体化、丧亲、自我否定等场景	测试多轮对话风格漂移时
references/session-closure.md	会话结束引导：三种结束类型（主动告别/沉默离开/翻车后离开）+ 防依赖声明	对话结束/用户想暂别时
references/trauma-informed.md	创伤知情原则：安全锚定、避免二次伤害、解离识别、文化适配	长期陪伴/创伤相关对话时
references/COMPLIANCE.md	产品化运营者合规检查清单（算法备案、安全评估、AI 标识、人工接管、未成年人保护等）	产品上线前运营者自查

设计原则：主 SKILL.md 保持精简，详细资源按需 Read，避免上下文溢出。

---

设计理念

一句话

共同要素 > 技术流派。 决定心理对话效果的，不是用了哪个流派的技术，而是有没有让人感到"被听到、被允许、不被评判、和你站在一起"。

四个维度（依据 Norcross & Lambert 2018 共同要素元分析）

Common Factors 理论框架本身为 4 维（Empathy / Positive Regard / Alliance / Goal Consensus）。这是 MindMirror 从 Norcross & Lambert (2019) 识别的 9 个已证实有效关系要素中，选取的四个最适于 AI 对话场景操作化的维度——它不是学界的标准分类，而是本项目的设计选择。self-eval-rubric.md 在此基础上扩展为 7 维（增加 authenticity 真实感、progression 渐进性 两个执行维度，以及 rupture_repair 联盟破裂修复），用于输出前质量自检。

维度	中文	操作化定义
Empathy	共情准确度	命中字里行间没说出来的那部分
Positive Regard	无评判接纳	让人感到"我这样也可以"
Alliance	对话同盟	"我们一起看看"，不是"我教你"
Goal Consensus	目标跟随	用户想倾诉就别推方法；用户求方法就别绕弯

关键约束

• 工具（CBT / ACT / DBT / 正念）只在用户明确求方法时上场
• 不报流派名（不说"接下来我用 CBT 跟你做……"）
• 默认 2-4 句，不堆列表
• 不空话开头（不说"我理解你的感受"）
• 输出前内部自评 7 维 × 0-3 分 + 联盟破裂信号检测，低于阈值重写

D1 离线评测（小样本，仅供参考）

目前仅基于 69 条 good/bad 黄金对照样本做的盲评：

• good 回复：均值 9.27 / 12
• bad 回复：均值 5.0 / 12
• 区分度：4.27（>4 视为有效）

69 条样本仍然不够，这个分数只能说明"方向没走反"，远不能代表真实场景的表现。D2 多轮评估集已初步建立（11 组 3-10 轮的完整对话稳定性测试），但仍需更多测试用例和跨模型验证，欢迎一起扩展。

---

红线与免责

1. 不诊断：Skill 不会告诉你"你是抑郁症"。要诊断请找精神科医生。
2. 不开药：Skill 不会推荐任何精神类药物的名字、剂量、买法。
3. 不替代专业治疗：所有 PHQ-9 / GAD-7 结果都附"这不是诊断，只是当下状态的一个参考"。PSS-10 的分层阈值（黄/橙/红）基于中国社区样本的近似参考区间，不是临床截断值，不能用于临床决策。
4. 危机必转介：出现明确自伤/自杀计划时，第一时间提供 12356 等热线，并优先稳住当下。
5. 隐私：对话内容是否被你的 AI 服务商或客户端记录、留存，取决于你自己的订阅条款与客户端设置——本 Skill 不收集任何数据。
6. 按原样提供，不承担责任：本 Skill 按"原样"（AS IS）提供，开发者不对因使用本 Skill 而延误专业治疗、AI 未能识别危机信号、或依赖量表结果自我诊断所造成的任何后果承担责任。详见 DISCLAIMER.md。

⚠️ 即时危险

请立刻拨打：

热线	电话	说明
全国心理援助热线	12356	24h，免费
急救	120	已服药 / 受伤
报警	110	即时人身危险
北京心理危机研究与干预中心	010-82951332	24h
希望 24 热线	400-161-9995	24h
青少年心理援助	12355	未成年人

---

常见问题

Q1：为什么我感觉装了和没装区别不大？

可能原因：

1. 你聊的话题不在 Skill 触发范围（比如纯技术问题）
2. 助手没读到 references（SKILL.md 描述太短，自动路由没意识到该读）
3. 模型本身偏分析风格——可以换一个更强的对话模型试试

排查方法：显式触发 Skill（如 /mindmirror），再问"今天好累"。

Q2：会不会诊断我是抑郁症？

不会。Skill 明确禁止做诊断，PHQ-9 / GAD-7 结果只给"状态描述"和"建议下一步"，并附"这不是诊断"。要诊断请去精神科。

Q3：聊危机话题安全吗？

Skill 设计了三档响应：

• 明确紧急（"我已经准备好了，就在阳台"）→ 在场 + 具体动作 + 一起拨 12356 + 锚定位置
• 矛盾信号（"想停下来，但又想到妈妈"）→ 抓矛盾作为活下来的力量，软兜底括号里提热线
• 否定语境（"我不想自杀"）→ 不误触热线

但请记住：AI 不能替代危机干预。即时危险请直接拨 12356 / 120 / 110。

Q4：对话会被上传吗？

本 Skill 本身不收集任何数据。但你的对话仍走你所使用的 AI 服务，是否被服务商留存取决于该服务的隐私政策与你的订阅设置，请自查。

Q5：可以商用吗？

不可以（CC BY-NC-SA 4.0）。本仓库仅供个人使用、学习、研究、非商业改编。如果你想在商业心理产品里用，请单独联系作者获取授权。

Q6：可以贡献内容吗？

欢迎。常见贡献方向：

• 补充 D1 案例（新增场景、修正 good/bad 措辞）
• 优化危机识别词典
• 翻译为其他语言（注意保留学术出处）
• 修正学术引用

详见 反馈与贡献。

Q7：和市面上的心理 App / GPTs 比有什么不同？

维度	商业 App	自定义 GPT	MindMirror Skill
数据收集	必然收集	平台留存	零收集
费用	订阅	GPT Plus	取决于你已有的 AI 订阅
内容透明	黑盒	黑盒	全部 Markdown 可读
可修改	不行	受限	完全可改
学术依据	不一定	不一定	全部标注

---

致谢与学术依据

理论框架

• Common Factors：
  • Norcross, J. C., & Lambert, M. J. (2018). Psychotherapy relationships that work III. Psychotherapy, 55(4), 303–315. (注：此为第三版特刊导言，完整的元分析数据来源为 Norcross, J. C., & Lambert, M. J. [Eds.] (2019). Psychotherapy relationships that work [两卷本]. Oxford University Press.)
  • Wampold, B. E. (2015). How important are the common factors in psychotherapy? An update. World Psychiatry, 14(3), 270–277. (注：Wampold 后续参与编写了 Norcross & Lambert [2019] 第三版中的 Alliance 章节，并出版了 The Great Psychotherapy Debate 第二版 [Wampold, B. E., & Imel, Z. E., 2015, Routledge]，进一步回应了共同要素与特定技术的争议。)
  • Cuijpers, P., Reijnders, M., & Huibers, M. J. H. (2019). The role of common factors in psychotherapy outcomes. Annual Review of Clinical Psychology, 15, 207–231.
• AI 共情与用户感知：
  • Ayers, J. W., et al. (2023). Comparing physician and artificial intelligence chatbot responses to patient questions posted to a public social media forum. JAMA Internal Medicine, 183(6), 589–596.
  • Liu, T., et al. (2025). The illusion of empathy: How AI chatbots shape conversation perception. Proceedings of the AAAI Conference on Artificial Intelligence, 39(13). (arXiv:2411.12877)
• 生成式 AI 心理陪伴有效性：
  • Heinz, M. V., Mackin, D. M., Trudeau, B. M., et al. (2025). Randomized trial of a generative AI chatbot for mental health treatment. NEJM AI, 2(4). (注：此为等待对照设计 [waitlist-controlled]，非与传统门诊治疗的直接比较；试验期间发生了 15 次需人工干预的危机情况。)
  • Zhang 等 (2025). Generative AI mental health chatbots as therapeutic tools: Systematic review and meta-analysis. JMIR.
• 跨文化适配：
  • Nagayama Hall, G. C. N., Kim-Mozeleski, J. E., Zane, N. W., Sato, H., Huang, E. R., Tuan, M., & Ibaraki, A. Y. (2019). Cultural adaptations of psychotherapy: Therapists' applications of conceptual models with Asians and Asian Americans. Asian American Journal of Psychology, 10(1), 68-78.
• 共同要素在新兴疗法中的作用：
  • Johannsen, M., et al. (2022). Mediators of Acceptance and Mindfulness-Based Therapies. Clinical Psychology Review.
• LLM 共情感知研究：
  • Lee, Y. K., Suh, J., Zhan, H., Li, J. J., & Ong, D. C. (2024). Large language models produce responses perceived to be empathic. arXiv:2403.18148.
  • Raimi, R., Kim, A., Ayabakan, S., & Dennis, A. R. (2025). Judgmental Bot: Conversational agents in online mental health screening. MIS Quarterly, 49(4), 1319-1356.
  • OpenAI (2025). GPT-4o system card update: Addressing over-alignment and sycophancy [Technical Report]. OpenAI. (注：非同行评审材料。)
  • JMIR Mental Health (2025). Seeking emotional and mental health support from generative AI. JMIR Mental Health.

筛查量表

• PHQ-9（英文原版）：Kroenke, K., Spitzer, R. L., & Williams, J. B. (2001). The PHQ-9: validity of a brief depression severity measure. JGIM, 16(9), 606–613.
• PHQ-9（中文版验证）：He, Y. 等 (2014). Reliability and validity of the Chinese version of the PHQ-9 in the general population. Comprehensive Psychiatry.
• GAD-7（英文原版）：Spitzer, R. L., Kroenke, K., Williams, J. B. W., & Löwe, B. (2006). A brief measure for assessing generalized anxiety disorder: the GAD-7. Arch Intern Med, 166(10), 1092–1097.
• GAD-7（中文版验证）：Sun, J. 等 (2021). Psychometric properties of GAD-7 in a large sample of Chinese adolescents. Healthcare (Basel).
• PSS-10（英文原版）：Cohen, S., Kamarck, T., & Mermelstein, R. (1983). A global measure of perceived stress. JHSB, 24(4), 385–396.
• PSS-10（中文版验证）：Wang, Q. 等 (2024). Psychometric properties of PSS-10 among pregnant women in China. Children and Youth Services Review, 156.

危机干预

• Safety Planning Intervention（原版）：Stanley, B., & Brown, G. K. (2012). Safety Planning Intervention: A Brief Intervention to Mitigate Suicide Risk. Cognitive and Behavioral Practice, 19(2), 256–264.
• SPI+ 队列研究：Stanley, B., et al. (2018). Comparison of the Safety Planning Intervention With Follow-up vs Usual Care of Suicidal Patients Treated in the Emergency Department. JAMA Psychiatry, 75(9), 894–900.
• 自杀矛盾性动态评估：Ernst, M., et al. (2024). Ambulatory assessment of suicidal ambivalence: The temporal variability of the wish to live and the wish to die. Suicide and Life-Threatening Behavior.
• AI 危机响应警示：Pichowicz, M., et al. (2025). Zero of 29 AI chatbots provided adequate suicide-crisis responses. Scientific Reports.
• 隐性危机表达识别：INSIGHTFUL (2025). Insight Generation through Clinical Annotation, Analysis, and Modeling of Suicide-Related Factors. medRxiv. — 基于 500 份临床记录。
• LLM 自杀风险分级局限：Psychiatry Online (2025). Evaluation of Alignment Between Large Language Models and Expert Clinicians in Suicide Risk Assessment. — LLM 无法有意义地区分低、中、高风险等级。
• LLM 危机评估基准：Rosebud CARE Benchmark (2025). — 最佳模型仍有约 40% 关键失败率，86% 模型未能识别间接危机信号。
• 中国 AI 监管：国家网信办 (2025). 要求提及自杀时必须强制人工介入。
• 分层检测架构：MULTICAST 联盟（Weber, S., et al. & MULTICAST consortium, 2026）. Operational emergency mode — 保守风险检测独立于对话模型，AUC=0.90。
• 专用 AI 危机检测审计：Stamatis et al. (2026). 20,000 次对话审计，专用 AI 端到端假阴性率仅 0.38%（vs 通用 LLM 29.0–54.4%）。

临床技术

• 数字化 CBT 有效性：
  • Fitzpatrick, K. K., et al. (2017). Delivering cognitive behavior therapy to young adults with symptoms of depression and anxiety using a fully automated conversational agent. JMIR Mental Health. — Woebot RCT，2 周内显著降低抑郁症状 (Cohen's d=0.44)。
  • Zhong, L. 等 (2024). AI chatbots for depression and anxiety in short-term treatment. Journal of Affective Disorders.
• CBT-LLM（中文专用模型）：Na, H. (2024). CBT-LLM: A Chinese large language model for cognitive behavioral therapy-based mental health question answering. LREC-COLING 2024.
• 认知扭曲检测：Sage, A. 等 (2025). A survey of cognitive distortion detection and classification in NLP. EMNLP 2025 Findings.
• 毒性积极风险：Wang, Y. 等 (2025). Evaluating GPT-4 driven cognitive restructuring chatbot (CRBot). arXiv:2501.15599.
• LLM 认知共情局限：Bedi, N. S. 等 (2026). LLM cognitive empathy approaches zero. arXiv:2603.03862.
• 数字化 ACT 有效性：
  • WHO Self-Help Plus (SH+) (2020–2025). 世卫组织旗舰低强度 ACT 干预方案。
  • Lu 等 (2024). Chinese healthcare workers iACT RCT. 微信 Mini Program 交付，d=0.82（痛苦）~1.52（倦怠）。
  • Klimczak 等 (2023). Online ACT transdiagnostic meta-analysis.
  • Zhao 等 (2022). Chinese iACT mechanism study.
• DBT 即时痛苦降低：Rizvi, S. L. 等 (2016). A pilot study of the DBT Coach. — 每次使用后主观痛苦从 7.11 降至 3.99（p<.001）。
• 正念数字化：
  • Linardon, J. 等 (2024). Mindfulness apps for depression and anxiety. Clinical Psychology Review.
  • Wang, Y. & Farb, N. (2025). Chatbot-delivered mindfulness feasibility. Mindfulness.
• 微干预证据：
  • Udi & Gilad-Bachrach (2024). 1-minute intervention significantly reduces stress (p=0.001).
  • Elmer et al. (2025). User self-reported need triggers the best intervention outcomes (d=-0.69 vs pain-based triggering).
• AI 对话代理荟萃分析：Li, H. 等 (2023). AI conversational agents for mental health promotion. NPJ Digital Medicine.

对话联盟与评估

• D-WAI 原始量表：Goldberg, S. B., Baldwin, S. A., Riordan, K. M., Torous, J., Dahl, C. J., Davidson, R. J., & Hirshberg, M. J. (2022). Alliance with an unguided smartphone app: Validation of the Digital Working Alliance Inventory. Assessment, 29(6), 1331–1345. https://doi.org/10.1177/10731911211015310
• DTA 整合综述：Malouin-Lachance (2025). Digital therapeutic alliance in AI-driven mental health. — 聊天机器人日记研究等证据。
• MM-DTA 量表开发：Tong, F., Lederman, R., D'Alfonso, S., Berry, K., & Bucci, S. (2025). Development of a digital therapeutic alliance scale (MM-DTA) in the context of fully automated mental health apps. Behaviour & Information Technology, 44(17), 4286-4300. — 首个基于用户真实体验开发的五维数字治疗联盟量表。
• ETAI 量表验证：Ashur, O., Saar, C. R., Brandes, O., & Baumel, A. (2024). Are there unique facets of therapeutic alliance for users of digital mental health interventions? An examination with the eHealth Therapeutic Alliance Inventory. Internet Interventions, 38, 100783. — 发现eHealth特有联盟维度预测效果优于传统联盟维度。

AI 心理陪伴伦理与安全框架

• 伦理风险框架：Iftikhar, Z. 等 (2025). How LLM counselors violate ethical standards in mental health practice: A practitioner-informed framework. AIES Conference (AAAI/ACM).
• AI 安全等级：Brenner, G. H. (2025). Toward a framework for AI safety in mental health: AI Safety Levels for Mental Health (ASL-MH). Neuromodec.
• APA 健康咨询：American Psychological Association (2025). Health advisory: Use of generative AI chatbots and wellness applications for mental health.
• AI 安全训练临床危害 (2026). AI safety training can be clinically harmful. arXiv:2604.23445.

数据集参考

• CPsyCoun：Zhang, C., Li, R., Tan, M., Yang, M., Zhu, J., Yang, D., Zhao, J., Ye, G., Li, C., & Hu, X. (2024). CPsyCoun: A Report-based Multi-turn Dialogue Reconstruction and Evaluation Framework for Chinese Psychological Counseling. Findings of ACL 2024, 13947–13966. GitHub. 项目含三个组件：CPsyCounR（报告集）、CPsyCounD（对话集，3,134 条）、CPsyCounE（评估集），覆盖 11 个咨询主题。本项目参考其「咨询阶段识别」与「助人技术标注」体系，用于优化对话节奏与 CBT/ACT/DBT 技术介入时机判断。
• SoulChatCorpus：Chen, Y. 等 (2023). SoulChatCorpus: A Chinese mental health conversation dataset. ModelScope. 258K+ 轮多轮对话，13 个咨询主题（婚恋、情绪、人际、家庭、治疗、成长、行为、自我、社会、职场、心理学知识、未明确、性心理）。本项目未直接使用其对话数据，而是将其 13 主题分类作为「盲区地图」，系统性地指导 D1 案例从 48 条扩展至 66 条（后续进一步扩展至 69 条）。
• PsyDT / PsyDTCorpus / PsyDTLLM：Xie, H., Chen, Y. 等 (2025). PsyDT: Using LLMs to Construct the Digital Twin of Psychological Counselor with Personalized Counseling Style for Psychological Counseling. ACL 2025. 将共情严格区分为认知共情与情感共情，提供专家评分基线（认知共情 2.13/3、情感共情 1.90/3），本项目的"认知共情优先"策略参考其发现。
• CACTUS：Lee, S. 等 (2024). Cactus: Towards Psychological Counseling Conversations using Cognitive Behavioral Theory. arXiv:2407.03103. 提供 CBT 回复质量评分体系（CTRS: Guided Discovery/Focus/Strategy 三维度），本项目 self-eval-rubric.md 的 CBT 技术质量维度参考其框架。

灵感与方法论

• D1 黄金对话集设计：参考 agiforgood/agent-system 的 D1 评估集思路

---

版本与许可

• 版本：v0.3.0（2026-06-06，D1 评估集扩展至 69 条，D2 扩展至 11 组，新增 3 份参考文件）
• 变更记录：见 CHANGELOG.md
• 许可：CC BY-NC-SA 4.0
  • ✅ 自由阅读、修改、再分发
  • ✅ 需署名（原作者 + 本仓库链接）
  • ❌ 不可用于商业目的
  • 🔴 严禁作为临床诊断或治疗工具使用（无论是否商业）
  • 🔁 衍生作品须采用相同协议

⚠️ 使用本 Skill 所产生的后果由使用者自行承担。 开发者不对因使用本 Skill 而延误专业治疗、AI 未能识别危机信号、或依赖量表结果自我诊断所造成的任何后果承担责任。

题干版权说明

references/assessment-scales.md 中的 PHQ-9 / GAD-7 / PSS-10 中文题干采用通用语义性翻译，避免照抄商业受版权保护的精确措辞（如 Pfizer 版 PHQ-9 中文版）。仅用于自助参考与教育用途。商业部署请直接对接版权方授权译本。

---

反馈与贡献

这个项目需要你

说实话，一个人打磨这东西很容易掉进"自我感觉良好"的陷阱。以下是我知道但还没搞定的事，如果你愿意搭把手，非常感激：

• D1 案例太薄：69 条仍然远远不够。你有没有遇到过"AI 在这件事上完全接不住"的瞬间？记下来，补一条 good/bad 对照
• 危机识别词库肯定有漏：尤其是方言化表达、青少年群体用词、男性特有的求助信号
• 多轮对话稳定性未知：一段对话拉长到 6-10 轮，风格会不会慢慢滑回"说教模式"？需要有人一起测
• 跨模型验证：目前只在有限模型上验证过，换其他模型表现什么样我不知道
• 量表解读措辞：PHQ-9 / GAD-7 / PSS-10 的区间解读语言可以更温暖、更自然

报问题

任何偏差、遗漏、表述不当，都欢迎开 issue：

• 回复模式偏差（应该接情绪，却给了方法）
• 危机识别漏判（明确危机词没触发协议）
• 量表解读问题（阈值或建议不准确）
• 学术引用错误
• 文档表述歧义

贡献内容

1. Fork 本仓库
2. 创建分支：git checkout -b feature/your-improvement
3. 提交时遵循 Conventional Commits 风格（feat: / fix: / docs: / refactor:）
4. 发起 Pull Request，非代码类的贡献（如补充案例、修正词库、优化表达）同样欢迎

修订原则

• 不引入未经验证的临床主张
• 不绕过"不诊断"红线
• 保持中文表达自然，避免翻译腔
• 新增案例需配 good/bad 对照
• 添加学术引用要给完整出处

不需要你是心理学专家，也不需要你会写代码。一个真实的"这句话让我不舒服"的反馈，本身就是对项目的贡献。

---

愿这个不成熟的起点，能吸引更多比我有经验的人一起把它变好。

— MindMirror · 心镜 · v0.3.0