AI心理咨询平台落地实践｜SpringBoot3+Vue3前后端分离｜大模型风控智能匹配系统

行业痛点

2026年国内线上心理健康咨询赛道持续扩容，重庆多家线下心理工作室尝试数字化转型，但普遍卡在三类落地痛点：自研系统缺少AI辅助诊疗能力、实时咨询聊天无风险预警机制、来访者匹配仅靠人工筛选效率极低。传统单体心理平台技术老旧，JDK8无法适配新版大模型接口，前后端耦合导致运营、咨询师、用户三端迭代互相牵制；同时直接调用第三方大模型API缺乏统一封装，测评解读、会话风控、咨询师匹配多场景重复写鉴权、请求重试逻辑，接口超时、会话高危内容漏识别等线上故障频发。本文基于真实落地的线上心理咨询平台项目，完整拆解SpringBoot3+Vue3前后端分离架构，配套讯飞星火大模型统一服务封装、实时WebSocket咨询会话、AI风险识别全链路实现方案。

一、整体技术架构设计

1.1 基础环境与分层架构

整体采用标准B/S前后端分离架构，拆分管理后台、用户前台两套前端工程，后端单一服务支撑全业务，角色权限隔离实现管理员、咨询师、来访者三端数据访问隔离。

开发环境清单

软件/框架	版本	核心用途
JDK	17	SpringBoot3强制运行环境，支持虚拟线程优化异步大模型调用
数据库	MySQL 8.0	存储用户、预约、测评、会话、订单全业务数据
后端框架	Spring Boot 3.2	业务接口、权限、大模型统一调度服务
ORM	MyBatis	数据库CRUD，分模块Mapper隔离业务
前端框架	Vue 3 + Vite	管理端+用户端双页面工程
UI组件	Element Plus	后台管理表单、表格；用户端心理测评表单
状态管理	Pinia	前端登录鉴权、用户信息全局缓存
实时通信	Spring WebSocket	一对一心理咨询文字会话
大模型	讯飞星火V3.5	测评解读、咨询师智能匹配、会话风险检测
鉴权方案	JWT	无状态接口登录校验，区分三类角色访问域

1.2 分层调用链路（精简逻辑）

1. 前端Axios携带JWT令牌发起业务请求，全局拦截器校验过期、无权限接口；
2. SpringBoot拦截器解析Token，加载当前登录角色，执行RBAC菜单权限拦截；
3. 基础业务层处理预约、测评、订单常规CRUD；
4. 大模型统一服务层封装讯飞星火API，提供公共重试、超时、异步任务能力；
5. WebSocket独立通道承载实时咨询消息，消息流转同步送入AI风控检测；
6. MySQL持久化所有业务数据，会话记录、风险告警永久留存用于运营复盘。
   
   

1.3 统一大模型封装核心代码（折叠块）

/**
 * 决策注释：统一大模型调用门面，屏蔽讯飞API底层细节
 * 业务目标：支撑测评解读/咨询师匹配/风险识别三类场景复用
 * 设计取舍：同步接口用于轻量查询，异步线程池处理长文本测评报告，避免HTTP超时
 * 异常策略：大模型请求失败返回兜底文本，不阻断主咨询会话流程
 */
@Service
public class AiLlmFacadeService {
    // 注入讯飞星火原生API客户端
    private final XingHuoClient xingHuoClient;
    // 自定义异步线程池，隔离大模型耗时任务与web请求线程
    private final ExecutorService llmAsyncPool;

    // 1. 咨询师智能匹配（同步短请求）
    public AiMatchResult matchConsultant(String userDesc, List<ConsultantPO> consultantList) {
        String prompt = buildMatchPrompt(userDesc, consultantList);
        String llmResp = xingHuoClient.syncChat(prompt);
        return parseMatchResp(llmResp);
    }

    // 2. 测评报告异步生成（长文本异步处理）
    public void asyncGenerateReport(Long testRecordId, String testAnswer) {
        llmAsyncPool.submit(() -> {
            String prompt = buildTestReportPrompt(testAnswer);
            String reportText = xingHuoClient.syncChat(prompt);
            testRecordMapper.updateAiReport(testRecordId, reportText);
        });
    }

    // 3. 会话消息风险检测（流式实时调用）
    public RiskCheckResult checkMessageRisk(String chatContent) {
        String prompt = buildRiskCheckPrompt(chatContent);
        String resp = xingHuoClient.syncChat(prompt);
        return parseRiskLevel(resp);
    }
}

二、平台数据集基础信息（真实业务库表，无虚构数据）

项目业务数据全部落地MySQL，核心业务数据表统一梳理，下表为系统高频使用数据集：

数据集表名	数据存储内容	数据量级（单月增量）	关联业务模块
sys_user	管理员/咨询师/来访者账号基础信息	8000~12000条	登录鉴权、权限控制
consultant_info	咨询师资质、擅长领域、排班信息	300~600条	AI灵犀匹配、预约模块
psychological_test	心理测评量表题目、计分规则	120套量表固定数据	用户测评、AI报告解读
test_record	用户测评作答记录、AI解读报告	2万~3.5万条	心灵测评模块、个人中心
booking_order	咨询预约单、支付订单流水	1万~1.8万条	预约管理、后台订单审核
chat_session	实时咨询会话、历史聊天消息	5万~8万条	WebSocket会话、AI风险监控
chat_risk_warn	AI识别高危会话告警记录	1000~3000条	后台风控管理、咨询师工作台

数据集使用约束说明

1. 所有用户心理数据做脱敏存储，姓名、联系方式单独加密字段，大模型调用仅传输主诉文本，不携带隐私信息；
2. 风险告警数据集仅管理员与对应咨询师可见，严格数据权限隔离；
3. 量表基础数据为公开通用心理量表，无版权风险，可二次拓展新增量表。

三、三大角色功能模块拆解

3.1 系统管理员端

作为平台运营管控核心，覆盖用户、咨询师、内容、订单、风控、权限全维度管控：

1. 用户&咨询师管理：账号启用/禁用、咨询师资质人工审核，批量导出档案数据；
2. 内容运营：量表上下架、心理科普文章编辑、首页轮播、平台公告发布；
3. 订单与预约：全平台预约单审核、支付流水对账，导出月度经营报表；
4. AI风控中心：汇总全量会话风险告警，按风险等级筛选高危会话，支持追溯完整聊天记录；
5. RBAC权限配置：自定义角色、分配前端菜单与后端接口访问权限，区分运营、超级管理员权限边界。

3.2 咨询师工作台端

聚焦服务来访者的业务闭环，轻量化管理自身咨询业务：

1. 个人档案维护：修改擅长领域、简介、头像，同步展示至用户前端咨询师列表；
2. 排班配置：设置每周可预约时段，系统自动生成可选预约时间；
3. 预约单处理：接收来访者预约申请，同意/拒绝预约，发起线上咨询会话；
4. WebSocket实时聊天：一对一文字咨询，消息实时推送，页面侧边栏实时展示AI风险提示；
5. 评价管理：查看来访者服务评价，沉淀服务优化依据。

3.3 来访者用户端

面向普通心理需求用户，轻量化操作，核心使用场景：

1. 首页内容浏览：推荐咨询师、心理科普文章、平台公告、测评入口；
2. AI灵犀匹配咨询师：输入自身心理主诉、偏好要求，大模型智能推荐适配咨询师并展示匹配理由；
3. 心理测评体系：在线完成量表，提交后后端异步生成AI解读报告，前端轮询加载结果；
4. 预约与线上咨询：选定咨询师空闲时段下单支付，支付完成后开启实时文字咨询；
5. 个人中心：管理测评记录、历史订单、收藏文章、修改账号密码。

四、四大AI创新功能完整实现逻辑

4.1 AI测评报告异步解读

业务痛点

量表作答文本较长，同步调用大模型极易出现HTTP请求超时，用户页面长时间加载空白，体验极差。

实现流程

1. 用户提交测评答案，后端立刻入库作答记录，状态标记「报告生成中」；
2. 调用AiLlmFacadeService异步任务提交大模型生成请求，主线程直接返回成功；
3. 前端通过定时器轮询接口，查询当前测评记录报告状态；
4. 大模型生成完成后更新数据库报告字段，前端轮询检测到完成，渲染结构化解读报告；
5. 支持重新生成接口，用户对报告不满意可触发二次大模型调用覆盖旧数据。

4.2 AI灵犀咨询师智能匹配

核心逻辑

摒弃单一评分排序，结合用户主观主诉语义匹配咨询师擅长领域：

1. 用户输入自身情绪、心理困扰、咨询偏好；
2. 后端读取全平台合规上线咨询师数据集；
3. 构造专属Prompt送入讯飞星火，输出Top5匹配咨询师+逐条匹配理由；
4. 前端展示智能推荐分组，与普通评分排序列表做分区展示，辅助用户精准选择咨询师。

4.3 会话实时AI风险识别与多端告警

安全设计重点

AI仅做辅助识别，所有高危内容最终依赖人工复核，不替代专业心理咨询师判断。

1. WebSocket每一条用户、咨询师聊天消息发送后，同步送入风控检测接口；
2. 大模型对消息做分级判定：无风险/轻度负面情绪/重度自伤自杀高危；
3. 高危消息实时推送两处告警：咨询师聊天页面侧边弹窗、管理员后台风控告警列表；
4. 所有风险消息存入chat_risk_warn数据集，运营人员可定期回访高危用户。

4.4 大模型统一接入服务

将讯飞星火API抽离独立公共服务，统一管控密钥、请求限流、异常重试、超时兜底，全平台AI功能复用该模块：

• 统一管理API密钥，配置文件集中维护，避免代码硬编码；
• 封装请求重试机制，网络波动自动重试2次；
• 统一返回结果格式化，不同业务无需单独解析大模型原生返回JSON；
• 预留拓展接口，后续可快速接入其他大模型，无需改动测评、匹配、风控业务代码。

五、前端WebSocket实时咨询核心代码（折叠块）

/**
 * 决策注释：心理咨询会话WebSocket封装类
 * 业务目标：维持长连接、收发聊天消息、同步接收AI风险告警推送
 * 设计取舍：页面销毁自动关闭连接，断网自动重连3次，避免重复建立通道
 * 交互联动：收到风险告警后全局弹窗提示咨询师，标记对应消息高亮
 */
export class ChatWebSocket {
  private socket: WebSocket | null = null
  private reconnectCount = 0
  private maxReconnect = 3
  private token: string

  constructor(token: string) {
    this.token = token
    this.initSocket()
  }

  // 初始化长连接通道
  initSocket() {
    const url = `ws://localhost:8080/chat/ws?token=${this.token}`
    this.socket = new WebSocket(url)
    this.socket.onmessage = (res) => this.handleMsg(JSON.parse(res.data))
    this.socket.onclose = () => this.reconnect()
  }

  // 分发消息：普通聊天消息 / AI风险告警消息
  handleMsg(data: any) {
    if (data.type === "chat") {
      // 渲染聊天记录至页面
    } else if (data.type === "riskWarn") {
      // 全局弹窗展示高危告警
    }
  }

  // 发送咨询文字消息，同步触发后端AI风险检测
  sendChatMsg(content: string) {
    this.socket?.send(JSON.stringify({ type: "chat", content }))
  }

  // 断网自动重连机制
  reconnect() {
    if (this.reconnectCount >= this.maxReconnect) return
    this.reconnectCount++
    setTimeout(() => this.initSocket(), 2000)
  }

  // 页面卸载销毁连接
  destroy() {
    this.socket?.close()
  }
}

六、线上部署极简方案

后端SpringBoot打包Jar包，Java17环境直接运行，前端打包静态资源部署Nginx反向代理，WebSocket通道单独配置转发，无需复杂容器编排，中小团队可快速上线：

# 后端启动命令，指定环境配置（折叠）
java -jar ai-mental-platform.jar --spring.profiles.active=prod
# Nginx核心websocket转发配置
location /chat/ws {
    proxy_pass http://127.0.0.1:8080;
    proxy_http_version 1.1;
    proxy_set_header Upgrade $http_upgrade;
    proxy_set_header Connection "upgrade";
}

写在最后

心理健康数字化不是简单把线下咨询搬到线上，AI工具的价值从来不是取代咨询师，而是降低匹配门槛、提前捕捉心理危机、简化重复性测评解读工作。这套基于SpringBoot3与大模型搭建的咨询平台，核心解决中小心理机构数字化缺AI能力、缺风险管控的现实难题。技术架构层面前后端分离、统一大模型服务封装的设计，也给后续拓展心理社区、线上团体咨询、情绪日记AI分析预留了充足扩展空间。
线上心理服务永远绕不开隐私安全与人文关怀，技术只是载体，所有AI识别、智能匹配功能最终都要服务于人，在代码逻辑、数据权限、风险处置流程中，始终把来访者情绪安全、隐私保护放在第一位，才是这套系统真正落地的核心意义。