EmoLLM

用开源大模型打造专业共情的心理陪伴助手

EmoLLM 是一个专注于心理健康领域的大语言模型项目，旨在通过微调开源基座模型（如 InternLM、Qwen、Baichuan、DeepSeek 等）来提供专业、共情的心理支持对话。它解决了通用模型在心理干预场景下缺乏专业知识和情感共鸣的问题，覆盖了从数据构建、模型预训练与后训练、评估、部署到检索增强生成（RAG）的完整流程。项目提供了心理领域的数据集、评估基准和部署方案，支持多种主流开源模型，方便研究者与开发者快速构建和定制心理健康助手。其核心能力包括情绪识别、心理疏导、危机干预提示等，并强调安全性和伦理边界，避免给出不当医疗建议。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1785

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队SmartFlowAI

所属国家

官网地址https://openxlab.org.cn/apps/detail/chg0901/EmoLLMV3.0

GitHubhttps://github.com/SmartFlowAI/EmoLLM

定价模式free

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型dataset,depoly,evaluation,llm,post-training,the-big-model-of-mental-health

GitHub 星标★ 1785

30天Star增速

HF 下载量

上线时间2024-01-11 00:00:00

最近更新2026-09-22 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

难度：进阶约 30 分钟部署方式：本地安装 6 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 环境（项目主要开发语言为 Python）
已安装 README 中列出的框架：xtuner、Transformers、PyTorch、LMDeploy、Streamlit、DeepSpeed
如需微调，需准备 LLaMA-Factory 或 ms-swift 训练框架
本地部署量化模型需要能运行 LMDeploy 的机器与 GPU 环境

安装与启动步骤

1克隆项目仓库

从 GitHub 拉取 EmoLLM 源码到本地，后续所有文档与配置都在仓库内，注意进入项目目录再操作。
```
git clone https://github.com/SmartFlowAI/EmoLLM.git
cd EmoLLM
```
2阅读部署文档

README 未直接给出安装命令，部署细节在 demo/README.md 和 deploy/lmdeploy.md 中，先打开这两份文档确认步骤。
3安装依赖框架

按 README 列出用到的框架官方文档安装：xtuner、Transformers、PyTorch、LMDeploy、Streamlit、DeepSpeed，建议使用独立的 Python 虚拟环境。
4获取模型权重

从 OpenXLab 或 ModelScope 下载 EmoLLM 已开源权重（如 InternLM2_5_7B_chat 全量微调版本），放到本地目录供部署使用。
5启动 Demo

按照 demo/README.md 的说明，用 Streamlit 启动对话界面，注意按文档指定端口访问。
6量化部署

按 deploy/lmdeploy.md 使用 LMDeploy 完成量化部署；VLLM 部署在 README 中仍标记为 todo，暂不可用。

关键配置

配置项	必填	说明	示例
`xtuner 微调配置文件`	否	指定全量微调的模型与训练参数，供 xtuner 使用	`./xtuner_config/internlm2_5_chat_7b_full.py`

如何确认成功

按 demo/README.md 或 deploy/lmdeploy.md 启动服务后，能在页面或接口中与模型正常对话即部署成功。

常见问题

Q：README 里没有安装命令，怎么开始？

A：README 只给出了框架清单和文档入口，具体安装与启动步骤需要打开 demo/README.md（Demo 部署）和 deploy/lmdeploy.md（LMDeploy 量化部署）查看。

Q：项目支持哪些基座模型？

A：README 已开源配置涵盖 InternLM2_5_7B_chat（全量微调）与 Deepseek-R1_14b_int4（QLoRA）等，权重发布在 OpenXLab 和 ModelScope。

Q：可以用 VLLM 部署吗？

A：README 中基于 VLLM 的部署指南标注为 todo，尚未提供，目前建议使用 LMDeploy 方案。

Q：微调该用哪个框架？

A：README 列出 xtuner（官方微调配置即基于此）、LLaMA-Factory、ms-swift 三个训练框架，可按自身习惯选择。

注意事项

README 节选中没有给出可直接执行的安装命令，所有依赖安装与启动方式请以 demo/README.md 和 deploy/lmdeploy.md 为准。
模型权重需自行从 OpenXLab 或 ModelScope 下载，仓库不包含权重文件。
该项目面向心理健康场景，使用时需注意安全与伦理边界，避免输出不当医疗建议。

核心亮点

覆盖完整流程，从数据处理到RAG部署一站式解决
支持多种主流基座模型，灵活适配不同算力需求
提供心理领域专属数据集和评估基准，便于量化效果

不足之处

文档和社区生态尚在早期，上手门槛可能偏高
心理干预效果依赖基座模型能力，极端场景可靠性待验证

适用场景

搭建心理咨询聊天机器人或情感陪伴应用
在校园或企业场景提供初步心理支持与疏导
研究心理健康NLP，用于情绪识别和干预策略实验

替代项目

MindChat、PsyChat、SoulChat

项目介绍

EmoLLM 是行业应用领域的开源项目，由 SmartFlowAI 开发，2024 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（1,785）位列前 30%，在行业应用分类的 545 个项目里位列前 15%。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-22。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：搭建心理咨询聊天机器人或情感陪伴应用。同类可对比的替代方案包括 MindChat、PsyChat、SoulChat。

上一篇：quant-mind

下一篇：NBA-Machine-Learning-Sports-Betting