EmoLLM

用开源大模型打造专业共情的心理陪伴助手

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 225 🐛 待处理 6 👀 关注 12

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1799

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，可自行部署使用。

项目预览

项目数据

分类开源模型

开发团队SmartFlowAI

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

GitHubhttps://github.com/SmartFlowAI/EmoLLM

定价模式🏷️完全免费

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🔧 仅开源项目，无在线服务，需自行部署

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★ 1799

上线时间2024-01-11 00:00:00

代码更新2026-06-18

仓库体积258.9 MB

本站数据更新2026-11-10

维护状态低维护

收录时间2026-08-09

浏览次数4

项目介绍

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。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1799

技术标签

dataset evaluation llm post-training

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

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。