StoryMI：可引导的多智能体治疗性对话生成

背景

动机访谈（Motivational Interviewing, MI）是一种以患者为中心的治疗性沟通风格，旨在通过激发个体自身的内在动机来促进行为改变。尽管大型语言模型（LLMs）在生成流畅的对话方面表现出色，但在将其应用于临床心理治疗场景时，现有的研究存在显著局限：

1. 缺乏情境落地（Situational Grounding）：多数生成模型无法将对话置于具体的患者背景故事中，导致对话空洞或缺乏针对性。
2. 动态策略控制缺失：难以在多轮对话中实时、动态地控制治疗师所采用的 MI 策略。
3. 评估标准脱节：缺乏与临床标准对齐的评估体系，难以衡量生成对话在临床上的合理性和依从性。

为了解决上述问题，研究团队提出了 StoryMI 框架。这是一个基于多 LLM 智能体的框架，旨在实现可控的 MI 对话生成。该框架通过问卷构建患者画像，并将其扩展为情境故事，为对话提供叙事背景；同时引入交互智能体动态协调多轮对话中的 MI 策略，确保对话符合临床规范。

核心内容

StoryMI 的核心创新在于构建了一个结构化的多智能体工作流，将抽象的 MI 编码转化为具体的、情境化的对话生成过程。

1. 框架架构与智能体角色

StoryMI 系统由三个核心智能体组成，协同工作以生成符合 MI 原则的治疗性对话：

• 情境生成智能体（Context Expansion）： 基于问卷形式的患者画像（Client Profiles），将其扩展为详细的“情境故事”（Situational Stories）。这些故事提供了对话所需的叙事背景，确保生成的对话不是泛泛而谈，而是针对特定患者情境的回应。

• 治疗师与患者智能体（Therapist & Client Agents）： 这两个智能体负责生成具体的 MI 编码话语（MI-coded utterances）。它们的生成过程受到“交互智能体”的指导，确保话语内容符合当前选定的 MI 编码要求。

• 交互智能体（Interaction Agent）： 这是系统的“指挥官”。它动态协调多轮对话中的交换过程，选择当前的 MI 编码，并控制 MI 策略的执行。通过这种方式，系统能够在对话过程中灵活调整治疗策略，模拟真实治疗中根据患者反应调整策略的过程。

2. 数据集构建

为了支持训练和评估，研究团队构建了一个大规模模拟数据集：

• 规模：包含 6,000 个模拟的 MI 对话。
• 基础：基于 1,000 对“问卷-故事”配对数据。
• 覆盖范围：涵盖 12 种 MI 编码（MI codes）和 13 种症状领域（Symptom Domains），确保了数据的多样性和临床相关性。

3. 两级评估协议

StoryMI 提出了一套结合自动化指标与人工评估的两级评估协议，以全面衡量生成对话的质量：

• 第一级：量化指标

  • 词汇指标（Lexical Metrics）：评估文本的基本语言质量。
  • MI 特定措施（MI-specific Measures）：评估宏观层面的咨询策略是否符合 MI 编码标准。

• 第二级：主观评估

  • LLM-as-Judge：利用大型语言模型作为裁判，评估对话的临床合理性和 MI 依从性。
  • 人类专家评估（Human Expert Assessments）：由临床专家对对话进行最终评判，确保评估结果符合临床金标准。

4. 基准测试与结果

研究团队在 StoryMI 框架上对六种开源和闭源 LLM 进行了基准测试。结果表明：

• **情境落地（Situational Grounding）和宏观层面控制（Macro-level Control）**能够显著提高 MI 依从性（MI adherence）和临床合理性（Clinical plausibility）。
• 这证明了结构化多智能体工作流在心理治疗对话生成方面的有效性。

关键要点

• 解决痛点：StoryMI 填补了现有 LLM 在动机访谈（MI）应用中缺乏情境落地、动态策略控制和临床对齐评估的空白。
• 多智能体协作：通过引入“交互智能体”动态选择 MI 编码并协调“治疗师”与“患者”智能体，实现了对话策略的精细控制。
• 情境驱动：将问卷数据扩展为叙事性情境故事，使生成的对话具有具体的背景支撑，避免了通用化回答。
• 全面评估：建立了包含词汇指标、MI 策略指标、LLM 裁判和人类专家评估的两级评估体系，确保了评估的科学性和临床有效性。
• 数据资源：发布了包含 6K 模拟对话、覆盖 12 种 MI 编码和 13 种症状领域的大规模数据集，以及 1K 问卷-故事配对数据，支持可复现性研究。
• 性能提升：实验证实，引入情境落地和宏观策略控制，能有效提升生成对话的 MI 依从性和临床合理性。

意义与影响

StoryMI 的提出标志着 AI 在心理健康领域应用的一个重要进展。

1. 提升 AI 辅助心理治疗的临床可用性：通过确保对话符合 MI 临床标准，StoryMI 为开发更可靠、更安全的 AI 心理辅助工具提供了技术基础。它证明了 AI 不仅可以生成流畅的语言，还可以遵循复杂的治疗协议。
2. 推动多智能体系统的发展：StoryMI 展示了一种有效的多 LLM 智能体协作模式，其中不同智能体承担不同角色（情境生成、策略控制、内容生成），这种架构可推广至其他需要复杂逻辑控制和角色扮演的领域。
3. 促进可复现性与标准化：通过公开代码、数据和评估协议，StoryMI 为社区提供了一个标准化的基准，有助于后续研究在统一的标准下比较和优化 MI 对话生成模型。
4. ** bridging the gap between NLP and Clinical Practice**：该工作强调了自然语言处理技术与临床实践标准（如 MI 编码）的深度融合，提醒研究者在进行医疗 AI 开发时，必须将临床专家的意见和标准纳入核心设计流程。

总之，StoryMI 不仅是一个技术框架，更是一种将 AI 生成能力与临床治疗规范紧密结合的方法论示范，为未来 AI 在精神健康领域的深入应用开辟了道路。