WSAI-Heart：一个中学生打造的本地心理支持 AI

心里话想说却不知道该告诉谁，这是很多人都有过的感受。

怕被嘲笑、怕被误解、怕说出来反而更难受。而网上的心理类 App，需要注册、需要联网，对话记录可能被存在服务器上。

如果有一个 AI，只运行在你自己的电脑上，不联网、不上传数据呢？

WSAI-Heart 是什么？

WSAI-Heart 是我利用课余时间，基于 Qwen3.5-0.8B 全精度 LoRA 微调的一个心理支持对话模型。它专注于情感陪伴和心理疏导，同时也能胜任日常聊天。

特点

轻量，普通电脑就能跑

模型约 0.8B 参数，文件大小约 1.6GB。不需要 GPU，纯 CPU 就能推理运行。树莓派、老旧笔记本都能跑起来。

隐私有保障

完全本地运行，对话数据零上传，所有内容只存在于本地设备上。对于心理倾诉这类涉及个人隐私的场景，本地运行是一个比较重要的特性。

一行命令，即装即用

不需要配环境、不需要装 CUDA、不需要折腾依赖。装好 Ollama 后，一行命令就能开始对话：

1
ollama run wangshen/wsai-heart

共情能力增强

基于心理类对话数据集微调，相比原始的 Qwen3.5-0.8B，WSAI-Heart 在情感理解和倾听方面有明显的提升。它不会急着给建议，而是先听你说完。

多模态能力

模型保留了 Qwen3.5 基座的视觉理解能力，支持图像输入。可以发一张图让它分析情绪相关的场景。

完全免费开源

CC BY-NC-SA 4.0 许可证，免费使用、自由修改、欢迎分享。

它是怎么练出来的？

整个训练过程在我自己的电脑上完成：

  • 框架：LlamaFactory
  • 基座模型：Qwen3.5-0.8B
  • 微调方式：全精度 LoRA
  • 训练轮数：855 epochs
  • 训练硬件：纯 CPU
  • 训练时长：约 4-5 天

没有 GPU、没有云服务器，就是一个中学生的普通电脑，跑了将近一周。虽然条件有限，但最终还是训练出了一个属于自己的 AI 心理助手。

快速开始

方式一：Ollama（推荐）

1
ollama run wangshen/wsai-heart

方式二：Transformers

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
from transformers import AutoModelForCausalLM, AutoTokenizer

model_path = "./"
tokenizer = AutoTokenizer.from_pretrained(model_path)
model = AutoModelForCausalLM.from_pretrained(model_path, torch_dtype="auto", device_map="auto")

messages = [
    {"role": "system", "content": "你是一个温暖、有共情能力的心理支持助手。"},
    {"role": "user", "content": "我最近心情不太好，感觉压力很大。"}
]

text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(text, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=512)
response = tokenizer.decode(outputs[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True)
print(response)

致谢