mental-health-support-genai：多模型融合的心理健康 AI 支持系统

本项目是集成Google Gemini、Meta Llama3.3-70B、Qwen3-32B三大模型的端到端心理健康AI系统，实现零样本分类、RAG检索和共情回复生成。系统在400样本均衡评估集上取得91.75%准确率和91.56%F1分数，技术架构包含多模型并行、零样本提示、RAG管道及Agentic工作流，为AI在敏感领域应用提供参考。

心理健康领域AI应用需准确识别危机信号并共情回应。mental-health-support-genai项目构建了集成三大模型的完整系统，实现零样本心理健康文本分类、检索增强生成和共情回复。系统在400样本评估集上获91.75%准确率和91.56%F1分数，展现较强分类性能。

1.多模型并行架构：Gemini为主分类器，Llama3.3-70B备选，Qwen3-32B增强鲁棒性，支持交叉验证；2.零样本提示工程：采用置信度阈值提示，引导模型输出结果及置信度，Gemini表现最优；3.RAG管道：用ChromaDB向量存储、gemini-embedding-001嵌入模型，索引515个心理健康知识文本块；4.Agentic管道：通过LangGraph实现条件路由，高严重度输入触发RAG，一般性咨询直接生成。

1.激进NLP预处理破坏零样本LLM分类性能，过度预处理移除情感标记词、改变语义，保留原始文本效果更好；2.分析26万+真实数据集发现，危机帖子词数是非危机的3.3倍，可作为启发式规则辅助分类。

1.敏感领域需多模型冗余设计，提供容错和交叉验证；2.精心设计的零样本提示可接近监督学习性能，降低标注依赖；3.LLM时代需重新审视传统预处理，保留上下文完整性更重要；4.RAG与Agentic工作流结合，既准确又高效。

局限与建议：1.不可替代专业服务，需明确边界和转介机制；2.模型需定期重新评估以适应语言演变；3.当前仅支持英语，需扩展多语言；4.需针对不同用户群体设计个性化适配机制。

mental-health-support-genai是技术扎实、架构清晰的心理健康AI系统原型，展示了多模型集成、RAG、Agentic工作流等前沿技术应用，提供了LLM在敏感领域应用的宝贵经验，是AI for Social Good研究者和开发者的参考项目。