四大核心功能系统：
- 拟人化AI对话系统：具备情感化表达与成长型记忆的智能陪伴
- CBT干预工具箱：包含认知重组训练场和行为激活盲盒的数字疗法
- 智能EMA守护系统：基于多维度感知的即时心理干预
- 数据可视化中心：情绪天气日历、认知重构进度等三维数据展示
| 角色 | 职责范围 | 技术栈 |
|---|---|---|
| 前端开发 | 前端功能实现 | Dart/Flutter |
| AI工程师 | 模型微调、对话系统开发 | Python/Pytorch |
| 后端开发 | 后端功能实现 | Python/FastAPI |
gantt
title 开发里程碑
dateFormat YY-MM-DD
section 核心阶段
需求验证 :2024-03-01, 7d
MVP开发 :2024-03-08, 28d
场景优化 :2024-04-05, 14d
上线准备 :2024-04-19, 7d
高频情绪危机场景：
- 深夜焦虑场景：凌晨1-3点打开应用+焦虑词触发
- 学业压力场景：考试使其打开应用+课表关联+相关词汇
- 人际冲突场景：应用使用频次陡增+相关焦虑词汇
解决方案矩阵：
| 场景类型 | 感知维度 | 干预方式 |
|---|---|---|
| 急性焦虑 | 生物数据+语义分析 | 呼吸引导+认知解离 |
| 慢性压力 | 位置轨迹+时间戳 | 行为激活盲盒 |
| 社交回避 | 应用使用频率 | 情景穿梭门干预 |
pie
title 用户构成比例
"轻中度困扰者" : 85
"健康关注者" : 10
"CBT治疗者" : 5
行为特征：
- 夜间活跃时段集中（22:00-02:00）
- 碎片化使用特征（单次时长3-8分钟）
-
情绪创可贴技术：
▸ 独创"情绪缓冲层"生成算法，当检测到用户发送"我真是个废物"时，AI不会直接否定或说教，而是回应："注意到你正在经历自我怀疑风暴，要启动『认知重组护盾』吗？(っ´༎ຶД༎ຶ)っ"
▸ 内置200+校园特供表情包库，例如考试周焦虑触发时推送："焦虑小怪兽正在拆图书馆？试试投喂『五分钟专注饼干』🍪" -
记忆生长算法：
▸ 构建用户专属的"心灵抽屉"，自动归档高频关键词（如"考研""宿舍矛盾"），当用户第5次提及"导师压力"时，AI主动调取历史记录："比起三个月前的组会焦虑，这次你的应对进度条已经加载了43%哦！"
▸ 跨平台记忆延伸：若监测到用户在社交平台深夜发"EMO文学"，次日启动关怀协议："昨夜捕捉到一颗流浪的星星✨，需要聊聊轨道调整方案吗？"
• 认知重组训练场：
- 捕捉思维谬误："当你说'我永远做不好pre'时，其实大脑在玩放大镜游戏呢！我们来找找被忽略的成功碎片吧——"
- 可视化消极思维转化率："成功拦截了87次'我做不到'，其中有62次变成了'或许可以试试'"
- 生成思维进化树状图："三个月前扎在'自卑沼泽'的根系，现在已经长出'自我接纳'的新枝桠🌱"
• 行为激活盲盒：
- 根据宿舍环境推荐微行动：
🌙深夜场景→"试着给明天的自己写张鼓励便利贴"
☀晨间场景→"打开窗深呼吸三次，和阳光击个掌" - 校园情境定制：
- 考试周→"记忆面包"表情包："啃完这片面包，知识点都装进脑袋啦！(๑＞ڡ＜)☆"
- 答辩前→"勇气胶囊"："吞下这颗胶囊，自信值+100%！"
• 多维度感知：
- 位置情境识别：课堂、食堂、图书馆等典型校园场景精准匹配。
- 生理数据监测：心率突增、血压变化等生理信号实时捕捉。
- 校园作息匹配：考试周、期末复习等特殊时段自动调整干预策略。
• 即时干预：
- 焦虑词库触发：检测到"完蛋了""我不行"等高频焦虑词，主动推送认知解离音频："焦虑像一片云，飘过就好☁️"
- 呼吸练习推送：深夜检测到情绪波动，自动启动"星空呼吸法"："跟随星光，慢慢呼吸...🌌"
- 场景化微行动：根据用户当前状态推荐即时行动："检测到你在图书馆坐了3小时，试试站起来伸个懒腰吧！"
- 压力值天气系统：
▸ 用气象学模型可视化情绪波动："周三14点的焦虑飓风（峰值8.2级）在认知调节后，19点转为绵绵细雨🌦️"
▸ 历史数据对比："本次pre焦虑持续时间比上次缩短53%，就像逐渐熄灭的火山🌋"
• 本地保险箱：
- 几乎所有的数据都安全存储在本地设备中，并采用先进的加密算法进行加密处理，严格限制访问权限，确保用户数据的保密性和完整性。
• 隐私盾牌：
- 对于部分必要上传的数据，会先经过“碎纸机”匿名化处理，将数据进行碎片化、脱敏化操作，确保上传的数据无法直接或间接识别用户身份。
• 防依赖机制：
- 当用户与APP的对话次数达到一定阈值时，系统会温柔提醒用户合理使用APP，避免过度依赖。引导用户逐步建立自我调节能力，保持健康的心理状态。
| 模块 | 实现方案 | 创新点 | 市面上其他相似应用的不足 |
|---|---|---|---|
| 情感计算 | 基于中文 RoBERTa 模型，利用校园语料库进行微调，并结合 deepseek 开源模型进行优化。 | 能够精准理解“破防”“emo”等学生流行语，通过深度模型训练提供强大的语言理解能力，准确把握用户情感倾向。 | 部分应用仅为套壳 GPT，单纯依靠 prompt 工程，缺乏对模型的深度开发与优化，无法有效应对复杂多样的语言情境，难以实现个性化的情感理解。 |
| 对话生成 | 对 deepseek 模型进行针对性微调，并运用 prompt 工程优化对话策略。 | 可以提供多种自然、可接受的对话风格，主动发起话题并高度拟人化，让用户感受到真实、亲切的交流体验。 | 多数类似应用中的机器人不支持主动发言，回复内容单一，多为机械重复“我在这里听”“你还有什么想分享的”等话术，无法主动引导对话深入，用户体验较差。 |
| 情境感知 | 综合手机传感器数据（如加速度、陀螺仪等）与校园作息时间表，构建智能分析模型。 | 能够准确识别课堂、食堂、图书馆等典型校园场景，并与时间信息精准匹配，根据不同情境为用户提供即时、精准的心理支持。 | 其他应用往往无法有效整合多种数据来源，难以实时获取准确的情景信息，导致无法在用户需要时及时提供针对性的帮助。 |
| 隐私安全 | 使用多种技术加密，模块化提供内容 | 用户可以选择是否收集某些隐私数据，绝大部分数据保存本地，最大程度上避免隐私数据泄露。 | 多数应用的数据没有加密，少数拥有加密的引用则强制将数据上传云端，可能造成泄露风险。 |
mindmap
root((情绪立方))
核心功能
**🤖拟人化AI对话**
▪️情感化表达
\"情绪缓冲层\"生成
颜文字/表情包互动
▪️成长型记忆
用户兴趣点追踪
长期对话脉络
▪️多模态交互
语音思考模拟
情景式CBT切入
**🛠️CBT干预工具**
▪️认知重组训练场
思维谬误捕捉
成功碎片收集
▪️行为激活盲盒
场景化微行动
校园情境推荐
**🚨智能EMA守护**
▪️多维度感知
位置情境识别
生理数据监测
校园作息匹配
▪️即时干预
焦虑词库触发
呼吸练习推送
**📊数据可视化**
▪️情绪天气日历
压力值热力图
情绪事件标记
▪️认知重构进度
消极思维转化率
思维进化树状图
▪️能量多维罗盘
生物数据关联
成长轨迹追踪
技术支撑
**🔬情感计算**
中文RoBERTa微调
校园流行语理解
**💬对话生成**
微调deepseek大模型
朋辈辅导语料库
**📍情境感知**
传感器数据融合
校园场景识别算法
隐私安全
**🔒本地保险箱**
端到端加密
敏感数据本地化
**🛡️匿名化处理**
碎纸机机制
差分隐私
**⚠️防依赖机制**
使用频率提醒
**健康使用引导**
graph TD
A[用户启动APP] --> B[选择功能模块]
B --> C{拟人化AI对话}
B --> D{CBT干预工具}
B --> E{智能EMA守护}
B --> F{数据可视化}
C --> G[情感化表达]
C --> H[成长型记忆]
C --> I[多模态交互]
D --> J[认知重组训练场]
D --> K[行为激活盲盒]
E --> L[多维度感知]
E --> M[即时干预]
F --> N[情绪天气日历]
F --> O[认知重构进度]
F --> P[能量多维罗盘]
flowchart LR
subgraph 移动端
A[flutter] --> B[传感器集成]
A --> C[跨平台渲染]
end
subgraph 服务端
D[FastAPI] --> E[AI网关]
D --> F[隐私中间件]
end
subgraph AI中台
G[RoBERTa微调] --> H[情感计算]
I[DeepSeek] --> J[对话生成]
end
subgraph 数据层
K[SQLite] --> L[本地加密]
M[MongoDB] --> N[差分隐私]
end
前端将使用Flutter跨平台框架
-
项目初始化：通过flutter create命令初始化项目，配置Android/iOS/Web多平台支持，集成flutter_lints规范代码质量。
-
Widget开发：基于Material Design/Cupertino风格组件构建界面，结合flutter_hooks、go_router实现动态路由，使用flutter_svg渲染矢量图形，开发包含AI对话气泡、EMA数据图表、CBT交互式控件的自适应布局。
-
状态管理：采用Riverpod或Bloc进行状态管理，结合freezed实现不可变数据模型，通过StateNotifier管理AI对话会话状态、EMA数据流等复杂业务逻辑。
-
API交互：使用Dio库封装REST Client，配合retrofit自动生成API调用代码，实现Token自动刷新、请求重试等机制，通过json_serializable处理模型序列化。
-
跨平台适配：利用Flutter平台通道（Platform Channel）对接原生功能，通过universal_io统一网络请求，使用responsive_framework实现多设备尺寸适配，编译生成iOS/Android/Web三端应用。
后端将会使用Python与FastAPI框架
-
项目结构：采用FastAPI的官方项目模板，搭建清晰、模块化的后端项目结构。
-
数据库设计：使用SQLite或PostgreSQL等关系型数据库存储用户信息、对话记录、CBT训练结果等数据。同时，设计合理的表结构和索引，以提高数据查询和操作效率。
-
API接口开发：根据前端需求，开发RESTful风格的API接口，包括用户认证、AI对话处理、CBT训练结果提交和数据可视化数据获取等功能。利用FastAPI的自动文档生成功能（如Swagger UI或ReDoc），方便前端开发者进行接口调试和测试。
-
异步处理：利用FastAPI的异步编程特性（如Asyncio和Async/Await），实现高效的并发处理和资源利用。对于耗时的操作（如AI对话模型的推理），可以采用Celery等异步任务队列进行后台处理。
-
安全性：采用HTTPS协议保障数据传输的安全性；使用JWT（JSON Web Token）进行用户认证和授权；对敏感数据进行加密存储和传输（如AES或RSA加密算法）。
-
持续集成与持续部署（CI/CD）：利用GitLab CI/CD、Jenkins或GitHub Actions等工具，实现代码的自动化构建、测试和部署。提高开发效率和代码质量。
-
云服务部署：将后端服务部署在学生申请的华为云服务器上。
# 差分隐私处理模块
from diffprivlib.mechanisms import Laplace
class PrivacyEngine:
def __init__(self, epsilon=0.5):
self.mechanism = Laplace(epsilon=epsilon, sensitivity=1)
def anonymize(self, raw_data):
# 情感数据模糊化
if 'emotion_level' in raw_data:
raw_data['emotion_level'] = self.mechanism.randomise(raw_data['emotion_level'])
# 地理位置泛化
if 'gps' in raw_data:
raw_data['gps'] = f"Area_{int(raw_data['gps'][0]/0.01)}"
return raw_data• 社区支持：
- 搭建一个活跃的社群交流平台，为用户提供一个分享相似感受、交流应对经验的空间。在这个平台上，用户可以相互支持、鼓励，共同探索心理健康的奥秘。
• 场外信息扩展：
- 在充分保障用户隐私的前提下，接入第三方的信息资料库，整合更多元、丰富的心理健康资料。这些资料将涵盖不同领域、不同视角的心理健康知识，为用户提供更全面的学习资源。
• AI持续学习：
- 通过用户反馈和数据分析，不断优化AI模型，使其更精准地理解用户情绪，提供更个性化的心理支持。