# MindCare **Repository Path**: secondtonone1/MindCare ## Basic Information - **Project Name**: MindCare - **Description**: No description available - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 5 - **Forks**: 0 - **Created**: 2026-08-05 - **Last Updated**: 2026-08-12 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 🧠 MindCare — AI 心理健康智能服务平台 > 多模型引擎驱动的心理学文本分类、情感分析、危机检测与内容推荐平台 [![Python](https://img.shields.io/badge/Python-3.11-blue)](https://www.python.org/) [![Go](https://img.shields.io/badge/Go-1.21-00ADD8)](https://go.dev/) [![Flask](https://img.shields.io/badge/Flask-3.x-green)](https://flask.palletsprojects.com/) [![PyTorch](https://img.shields.io/badge/PyTorch-2.x-red)](https://pytorch.org/) --- ## 核心能力 | 能力 | 引擎 | 说明 | |------|------|------| | 🏷️ 文本分类 | RF / FastText / BERT / DeepSeek | 15 个心理学维度，4 套模型可选 | | 💭 情感分析 | Ekman 6 情感 + VAD 三维 | 词典匹配 + 加权合成，纯本地 | | 🚨 危机检测 | 正则 + LLM 双层 | 50+ 条规则 + DeepSeek 语义兜底 | | 🎯 内容推荐 | 文章库 + 用户画像 | 30 篇专业文章，分类匹配 | | 🔗 知识图谱 | 词典 NER + 图推理 + LLM | 51 节点 / 83 关系边 | | 🔐 用户系统 | JWT + SQLite/MySQL | 四角色 RBAC，全端点鉴权 | 15 个分类维度：`抑郁倾向` `焦虑倾向` `压力管理` `睡眠障碍` `亲密关系` `原生家庭` `自我成长` `创伤心理` `职场心理` `青少年心理` `老年心理` `积极心理学` `成瘾行为` `饮食心理` `危机干预` --- ## 快速开始 ### 环境要求 > 📖 详细说明见 **[环境安装指南](docs/环境安装指南.md)** - **Anaconda** / Miniconda（推荐） - Python 3.11 / Go 1.21+ - SQLite（默认，零配置） ### 1. 一键安装环境 项目提供自动化脚本，根据硬件选择 CPU 或 CUDA 环境： | 系统 | CPU 环境 | CUDA 环境 (NVIDIA GPU) | |------|----------|------------------------| | Windows | 双击 `setup_env.bat` 或 `setup_env.bat cpu` | `setup_env.bat cuda` | | Linux/macOS | `bash setup_env.sh` 或 `bash setup_env.sh cpu` | `bash setup_env.sh cuda` | 脚本会自动完成：创建 conda 环境 → 安装 PyTorch → 安装 110+ 依赖包 → 验证安装。
手动安装 ```bash # 1. 创建 conda 环境 conda create -n PYTHON_NLP python=3.11 -y conda activate PYTHON_NLP # 2. 安装 PyTorch（二选一） pip install torch torchvision torchaudio # CPU 版 pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 # CUDA 12.1 版 # 3. 安装公共依赖 pip install -r requirements_common.txt ```
### 2. 下载预训练模型（必需） BERT 等模块依赖 `bert-base-chinese`，已随项目附带（`04-bert/bert-base-chinese/`）。如需重新下载： ```bash pip install huggingface_hub python -c " from huggingface_hub import snapshot_download snapshot_download('google-bert/bert-base-chinese', local_dir='04-bert/bert-base-chinese') " ``` ### 3. 启动 ```bash conda activate PYTHON_NLP # 或 PYTHON_CUDA # 终端1: Python AI 引擎 (端口 5000) python backend/app.py # 终端2: Go 网关 (端口 8080，面向浏览器) cd goserver && go run . ``` 浏览器打开 **http://localhost:8080/app**，默认账号 `admin / admin123`。 ### 训练模型（可选） 已有预训练模型时可直接使用；如需重新训练： ```bash conda activate PYTHON_CUDA # GPU 训练推荐 # 数据预处理 cd 02-rf && python preprocess_psychology.py # RF 数据预处理 cd 03-fasttext && python preprocess_psychology.py # FastText 数据预处理 # 模型训练 cd 02-rf && python train_psychology.py # 随机森林 (TF-IDF + RF) cd 03-fasttext && python train_psychology.py # FastText (4变体自动对比) cd 04-bert && python train_psychology.py # BERT (推荐, 支持接续训练) # 模型优化 (需先训练 BERT) cd 05-bert-quantization && python quantize_psychology.py # INT8 量化 cd 06-bert-distill && python distill_psychology.py # 知识蒸馏 BERT→BiLSTM cd 07-bert-pruning && python prune_psychology.py # L1 非结构化剪枝 ``` --- ## 项目结构 ``` MindCare/ ├── goserver/ # Go 网关 (HTTP 入口) │ ├── main.go # 启动 + 优雅关闭 │ ├── handlers/router.go # 路由 + Python 反向代理 │ └── middleware/ # JWT / 限流 / 日志 ├── backend/ # Python 后端 │ ├── app.py # Flask API 主应用 │ ├── api/ # 看板 / 咨询师工作台 │ ├── middleware/ # JWT / 限流 / 审计日志 │ ├── database/ # SQLite/MySQL / MongoDB │ └── mbti/ # MBTI 测评 ├── frontend/web/ # 前端 (HTML + CSS + JS) ├── 01-data/ # 训练数据 (15 分类, 180k 条) ├── 02-rf/ # 随机森林基线模型 │ ├── train_psychology.py # 训练脚本 (TF-IDF + RF) │ ├── preprocess_psychology.py # 数据预处理 │ ├── rf_predict_fun.py # 单条预测 (API 封装) │ └── rf_predict.py # 批量验证集评估 ├── 03-fasttext/ # FastText 模型 │ ├── train_psychology.py # 训练脚本 (4变体自动对比) │ └── preprocess_psychology.py # 数据预处理 ├── 04-bert/ # BERT 模型 (共享模块根目录) │ ├── train_psychology.py # 训练脚本 (支持接续训练) │ ├── bert_classifier_model.py # BERT 分类模型定义 │ ├── dataloader_utils.py # 数据加载器 │ ├── model2dev_utils.py # 模型评估工具 │ └── bert_predict_fun.py # 单条预测 (API 封装) ├── 05-LLM/ # DeepSeek 大模型调用 ├── 05-bert-quantization/ # 模型量化 (复用 04-bert 模块) │ └── quantize_psychology.py ├── 06-bert-distill/ # 知识蒸馏 BERT→BiLSTM (复用 04-bert 模块) │ ├── distill_psychology.py # 蒸馏训练脚本 │ └── bilstm_classifer_model.py # BiLSTM 学生模型 ├── 07-bert-pruning/ # 模型剪枝 (复用 04-bert 模块) │ └── prune_psychology.py ├── 08-emotion-analysis/ # 情感分析 (词典 + VAD) ├── 09-crisis-detection/ # 危机检测 (正则 + LLM) ├── 10-psy-recommend/ # 内容推荐 ├── 11-psy-knowledge-graph/ # 知识图谱 ├── deployment/docker/ # Docker 部署配置 └── requirements.txt ``` ### 代码架构 05/06/07 目录**不重复拷贝**共享代码，统一从 `04-bert/` 导入： | 共享模块 | 位置 | 使用者 | |----------|------|--------| | `Config` 基类 | `04-bert/config.py` | 06/07 继承扩展，05 直接复用 | | `BertClassifier` | `04-bert/bert_classifier_model.py` | 05/06/07 | | `build_dataloader` | `04-bert/dataloader_utils.py` | 05/06/07 | | `model2dev` | `04-bert/model2dev_utils.py` | 05/06/07 | | `predict_fun` | `04-bert/bert_predict_fun.py` | backend | 06/07 的 `config.py` 通过 `importlib` 直接从文件加载 04-bert 基类并追加专属参数（BiLSTM 超参 / 剪枝路径），避免循环导入。 --- ## API **Base URL**: `http://localhost:8080/api/v1` | 方法 | 路径 | 认证 | 说明 | |------|------|:---:|------| | GET | `/health` | | 健康检查 | | POST | `/user/login` | | 登录 | | POST | `/user/register` | | 注册 | | GET | `/user/profile` | ✅ | 用户信息 | | POST | `/classify` | ✅ | 文本分类 `{text, model: rf\|bert\|llm\|auto}` | | POST | `/emotion` | ✅ | 情感分析 `{text}` | | POST | `/crisis` | ✅ | 危机检测 `{text, use_llm}` | | POST | `/recommend` | ✅ | 内容推荐 `{category, top_n}` | | GET | `/recommend/detail/:id` | ✅ | 文章详情 | | POST | `/kg/query` | ✅ | 知识图谱 `{query_type, text, use_llm}` | ```bash # 登录获取 token curl -X POST http://localhost:8080/api/v1/user/login \ -H "Content-Type: application/json" \ -d '{"username":"admin","password":"admin123"}' # 文本分类 curl -X POST http://localhost:8080/api/v1/classify \ -H "Authorization: Bearer " \ -H "Content-Type: application/json" \ -d '{"text":"最近做什么都提不起兴趣","model":"bert"}' ``` --- ## 认证系统 | 角色 | 权限 | |------|------| | admin | 全部功能 | | therapist | 分类/情感/危机/推荐/KG + 咨询师工作台 | | user | 分类/情感/危机/推荐/KG | 除 `/health`、`/user/login`、`/user/register` 外，所有接口需 `Authorization: Bearer `。Token 有效期 24h。 --- ## 数据库 | 数据库 | 用途 | 默认配置 | |--------|------|------| | SQLite | 用户 + 会话 | `backend/database/mindcare.db`，零配置 | | MySQL | 生产环境替代 SQLite | 修改 `DB_BACKEND = 'mysql'` | | MongoDB | 文章全文存储（可选，不可用时自动降级） | `backend/database/mongo_articles.py` | --- ## 部署 ### 本地开发 ```bash # Python 后端 python backend/app.py # 端口 5000 # Go 网关 cd goserver && go build -o mindcare-server . && ./mindcare-server # 访问 http://localhost:8080/app ``` 环境变量：`PORT`(8080) `PYTHON_BACKEND`(http://127.0.0.1:5000) `JWT_SECRET` `FRONTEND_DIR`(../frontend/web) ### Docker 模型通过 volume 挂载，不打包进镜像： ```bash # 1. 确保宿主机已下载预训练模型 pip install huggingface_hub python -c "from huggingface_hub import snapshot_download; snapshot_download('google-bert/bert-base-chinese', local_dir='04-bert/bert-base-chinese')" # 2. 启动 docker-compose -f deployment/docker/docker-compose.yml up -d ``` ### 生产环境 - `gunicorn -w 4 -b 127.0.0.1:5000 backend.app:app` 替代 Flask 开发服务器 - Nginx 前置处理 HTTPS + 静态资源 - Redis 做限流缓存 - MySQL 替代 SQLite --- ## 常见问题 **模型加载报错** ```bash # 确认 bert-base-chinese 已下载到 04-bert/bert-base-chinese/ ls 04-bert/bert-base-chinese/config.json ``` **中文输出乱码（Windows）** ```bash set PYTHONIOENCODING=utf-8 ``` **ModuleNotFoundError** ```bash pip install -r requirements.txt ``` **如何添加新的心理学分类** 1. 编辑 `01-data/class.txt` 添加类别 2. 更新 `backend/common/psy_utils.py` 中类别映射 3. 更新 `05-LLM/大模型生成提示词.txt` 4. 重新训练模型 --- ## 许可证 仅供学习和研究使用。AI 评估结果不能替代专业医疗诊断。 > ⚠️ 如有自伤自杀风险，请立即拨打全国心理援助热线 **400-161-9995**