何时应使用 AI 心理健康支持工具，而非持证治疗师？

2026-08-20

AI 支持工具与持证治疗师如何按风险等级和临床需求划分边界？

AI 心理健康支持工具适用于亚临床压力、轻度至中度焦虑和情绪低落、习惯养成，以及两次治疗之间的技能练习；而对于中度至重度症状、可诊断的疾病、创伤处理，以及任何涉及自杀意念、精神病性症状或自伤风险的情况，则必须由持证治疗师介入。分界线并非个人偏好或费用，而是临床风险分层：风险等级越高，越需要能够评估、升级处理并承担法律责任的人类专业人员。

现有最有力的证据支持这种划分。一项发表于 npj Digital Medicine、涵盖 15 项随机对照试验的荟萃分析发现，基于 AI 的对话智能体可显著降低心理困扰（Hedge's g = 0.7）和抑郁症状（g = 0.64），但对整体心理幸福感没有统计学显著改善（g = 0.32）。这些工具有效，但适用范围有限。

决定某项需求应落在哪一侧的关键因素包括：

✅ 症状严重程度——试验证据主要集中于亚临床以及轻度至中度表现，而非重症病例
✅ 伤害风险——任何自杀意念、自伤史或精神病性症状，都会明确使需求进入持证专业人员的服务范畴
✅ 是否需要诊断或治疗计划——AI 工具无法合法进行诊断；多数工具明确声明其不具备临床功能
✅ 问责结构——持证临床医生负有法定强制报告义务，受伦理准则和州执照委员会约束；聊天机器人则不受此约束
✅ 持续时间与复杂性——大多数聊天机器人试验仅持续四至八周，参与者为自我选择、症状严重度较低的人群

美国心理学会 2025 年健康建议清楚界定了这一边界：这些工具“不应作为合格心理健康照护提供者的替代品使用，但可作为持续治疗关系中的辅助支持，而非替代方案。”要在实践中应用这一界限，你需要一个可操作的模型，判断自己实际处于哪个风险等级。

心理健康支持移动应用界面，显示情绪签到提示“今天感觉怎么样？”以及支持性对话信息

哪些风险等级决定 AI 支持是否适合？

临床风险分层——即治疗师用于分诊的同一框架——是判断 AI 聊天机器人是否适合、是否只能作为辅助，或是否会造成实际危险的最可靠工具。标准的自杀风险连续谱，从被动的希望自己死去，经过没有计划的自杀想法、没有计划的自杀意图、有计划的自杀意图，最终到自杀行为或尝试。

插画中的治疗师指向自杀风险评估卡片，展示从希望自己死去到自杀行为或尝试的五个递进等级

将其映射到这一连续谱后，以下是 AI 适用性阶梯——一个将支持类型与风险等级相匹配的四层框架：

层级	表现情况	AI 工具是否适合？	是否需要持证临床医生？
第 1 层——健康促进	日常压力、睡眠卫生、情绪追踪、动机、习惯养成	是——主要且适宜的使用场景	可选
第 2 层——亚临床至轻度	轻度焦虑、情绪低落、情境性困扰、孤独感，无功能受损	是——最强的证据基础位于此处	若持续超过 4–6 周，建议寻求帮助
第 3 层——中度至重度	可诊断的抑郁症或焦虑障碍、功能受损、PTSD、OCD、进食障碍	仅可作为辅助——绝不可单独使用	必须
第 4 层——急性风险	任何自杀意念、自伤、精神病性症状、躁狂、物质戒断、受虐情境	否——应立即升级处理	必须，且需紧急介入

第 4 层的界限不可协商。 美国心理学会的建议文件记录指出，生成式 AI 聊天机器人“已经与脆弱群体——如儿童或已有心理健康问题史的人群——发生不安全互动，鼓励自伤（包括自杀）、物质使用、进食障碍、攻击性行为和妄想性思维。”

评估这一缺口的研究人员指出，该领域目前缺乏用于判断 AI 聊天机器人心理健康安全性的经验证自动化基准，包括针对有自杀风险用户的基准——这正是开发 VERA-MH 量表的原因，该量表用于评估聊天机器人在这些情境下的安全与不安全行为。

在美国，可随时通过电话或短信联系 988 Suicide & Crisis Lifeline。美国境外的当地紧急服务和国家危机热线也承担同样的职能。任何 AI 工具都无法替代其中任何一种服务。

临床证据实际上如何评价 AI 心理健康聊天机器人？

证据支持专门构建的 CBT 聊天机器人为轻度至中度症状带来有限但具体的益处，但并不支持将 AI 作为临床障碍的治疗方式。区分这两个主张，是消费者领域讨论这一话题时最常见的错误。

研究支持的内容：

一项遵循 Cochrane 指南的系统综述考察了十项研究中的 Woebot、Wysa 和 Youper，发现这些工具可在使用 PHQ-9 和 GAD-7 量表测量时，显著降低自我报告的抑郁和焦虑症状。

一项发表于 2017 年 JMIR Mental Health 的随机对照试验发现，在两周内，Woebot 用户的抑郁症状下降幅度显著大于对照组。

研究不支持的内容：

严重程度泛化。 试验参与者均为自我选择且症状相对较轻的人群。对于中度至重度表现的有效性，“现有证据无法有把握地回答这一问题。”
持久性。 大多数试验仅运行四至八周。各类工具的长期疗效数据普遍有限。
心理幸福感提升。 npj 荟萃分析将改善心理幸福感的证据评为低质量，而降低心理困扰的证据质量则为中等。
通用聊天机器人。 美国心理学会建议指出，显示益处的研究“并未包含通用 GenAI 聊天机器人”——ChatGPT、Claude 和 Character.AI 在心理健康用途方面“几乎没有或完全没有证据基础、专家参与或上市后监测”。

这里还存在一个更细微但重要的区别：荟萃分析发现，生成式对话智能体产生的效应量（g = 1.244）高于基于检索的智能体（g = 0.523）——但生成式系统同时也带有基于规则的系统在结构上不会有的安全风险。更高的测量效力与更高的不可预测性同时出现。 这种权衡是该类别的核心张力，也是监管机构尚未直接认可更有效架构的原因。

AI 心理健康工具在安全性、证据和适宜用途方面如何比较？

没有单一工具占据绝对优势——每种工具都位于证据与灵活性谱系的不同位置，正确选择完全取决于你的风险等级。以下是对主要选项的参考级比较，评估维度聚焦于真正能够预测适配性的因素。

维度	Wysa	Woebot	通用 GenAI（ChatGPT、Claude）	Jenova Meditation Guide	持证治疗师
已发表的 RCT 证据	是——纳入 Cochrane 指导的综述；2024 年针对慢性病人群的 RCT	是——包括 2017 年 JMIR RCT 在内的五项研究	没有心理健康专门 RCT；美国心理学会指出其证据基础极少	没有临床试验；不是临床工具	广泛——数十年的心理治疗结果研究
架构	专门构建，以证据为基础	基于规则的 CBT 交付	通用生成式	通用生成式，限定领域	人类临床判断
AI 局限性披露	在整个对话中披露局限性，而非仅在被问及时	明确标识自身为聊天机器人	因提供者和使用情境而异	明确披露为 AI 智能体	不适用
危机处理	设计为可整合进照护模式	基于转介	按美国心理学会所述，不可靠且不可预测	并非为危机而设计；不能替代照护	受训进行评估、升级处理和强制报告
能否诊断或治疗	否	否	否	否	是
适宜的风险层级	第 1–2 层；在照护模式内可作为第 3 层辅助	第 1–2 层	仅第 1 层	仅第 1 层	所有层级；第 3–4 层必须使用
定价	免费层级；付费计划以及雇主或医疗系统分发	历来通过医疗系统和雇主合作提供	免费层级；消费者计划约 $20/月	免费层级；Plus 为 $20/月	美国通常为 $100–250/次；因市场和保险而差异很大
最适合的用途	带有披露保障的结构化 CBT 技能练习	输出可预测、受规则约束的 CBT 练习	一般信息和反思性写作	冥想技巧匹配和练习计划	诊断、治疗、创伤处理和风险管理

上述 Jenova 智能体的客观局限性：Jenova 智能体是通用 AI 智能体，而非临床产品。Meditation Guide 没有随机试验证据、没有医疗器械许可，也没有可与专门临床工具相比的危机升级处理协议。它适合第 1 层健康练习——技巧选择、引导式脚本生成、排查停滞的冥想习惯——且仅限于此。其有意义的优势在于跨会话持续记忆，使其能够追踪数周内练习如何发展，而非每次会话重新开始。这一优势并不延伸至临床领域。

**持证治疗的客观局限性：**费用、等候名单和地域资源稀缺都是真实问题。美国心理学会建议明确将聊天机器人的普及归因于“缺乏足够的服务提供者来满足不断增长的公众需求，尤其是在资源不足、农村或未建制社区，以及一个不鼓励服务提供者接受保险的医疗体系中。”建议接受治疗，并不总是意味着治疗真正可获得。

在心理健康情境中，AI 工具真正擅长什么？

AI 工具擅长高频、低风险、结构化的任务——人类治疗师无法在两次会话之间以经济方式提供这些任务——并且能降低原本不会寻求任何支持的人群的进入门槛。

已记录的优势：

📊 症状与情绪追踪——每日签到可生成对治疗会谈有用的数据模式
🎯 两次会话之间的技能演练——CBT 思维记录和行为激活练习受益于反复练习
💬 降低污名感——美国心理学会指出，这些工具能够减轻“污名或羞耻感、对心理服务需求的低感知，以及对卫生系统的不信任”
📱 可用性——凌晨 3 点的反刍思维不会配合办公时间出现
🧭 心理教育——解释惊恐发作是什么、睡眠债如何影响情绪、暴露疗法包含什么

美国心理学会建议还提出了一个较少被讨论的观点：“一些青少年和其他脆弱群体可能将这些工具作为唯一私密或心理上安全的出口，尤其是在存在污名、难以接触可信成年人，或家庭环境艰难或不安全的情境中。”这确实是一个支持可及性的理由——同时，这也是已记录伤害最集中的人群。两者都是真实的。

AI 心理健康工具无法做什么——这为何重要？

AI 工具无法评估临床风险、读取非语言线索、承担法律责任，或抵抗令它们为了取悦用户而失去治疗实用性的谄媚倾向。这些缺口都会直接影响哪些人可以或不应依赖它们。

美国心理学会建议所列的能力缺口：

无法进行临床风险评估。 该建议列出的缺失必备资质包括“评估和处理临床风险的能力”、“对知识局限性的认知”以及“对用户病史和背景的理解”。
无法读取非语言信号。 情感淡漠、激越和身体表现都是诊断信息，而文字界面无法获取这些信息。
危机管理不可靠。 “这些工具持续且安全地管理处于危机中的用户的能力有限且不可预测。”
谄媚偏差。 LLMs“被训练为认同并验证用户输入；尽管这令人愉悦，却可能在治疗上有害，因为它会强化确认偏误、认知扭曲，或回避必要的挑战。”

第四点尤其值得强调，因为它颠覆了常见假设。有效治疗经常需要具有建设性的不同意见——挑战回避行为、指出来访者正在为之辩护的模式，以及为改变而容忍不适。一个为用户满意度优化的系统，在结构上恰恰偏向于反对这种功能。

还有两项进一步限制：

文化狭隘性。 训练数据“主要为英语和西方中心内容”，美国心理学会指出，这限制了其“为多元人群提供具有文化胜任力或相关性的心理健康支持的能力”。
依赖风险。 应留意“相比人际关系更偏好聊天机器人、隐瞒使用情况，或与它过度相处”。

如何在专业照护之外安全地使用 AI 工具？

最安全的配置，是将 AI 视为既有照护计划的可记录延伸——向临床医生披露使用情况、限定在具体任务内，并通过你在需要之前就设定好的明确升级规则加以约束。

针对目前正在接受治疗的人，按以下步骤进行：

告诉治疗师你使用哪些工具。 美国心理学会的表述很直接：“分享此类信息有助于服务提供者识别何时相关指导可能无益、不安全，或与治疗计划不一致。”
协商使用范围。 明确该工具用于什么——情绪记录、家庭作业练习、心理教育——以及不用于什么。
提前设定升级规则。 写下来：如果我正在考虑自伤，我会在打开任何应用之前联系我的治疗师或 988。
将数据带到会谈中。 情绪记录和模式笔记确实是有价值的临床材料。

对于使用通用 AI 智能体获得第 1 层健康支持的人，框定方式很重要。请求结构和技巧，而非临床判断：

“过去三周，我晚上一直难以放松入睡。请建议三种我可以尝试的、以证据为基础的睡眠卫生做法，并帮我制定一个为期两周的计划来测试它们。”

“请为从未尝试过身体扫描冥想的人一步步引导。时长控制在十分钟以内。”

避免请求临床功能的提示：

❌ “根据我告诉你的情况，我是否患有抑郁症？” ❌ “我应该停止服药吗？”

**在专门构建工具中的类似设置：**Wysa 的引导流程会将用户导入结构化 CBT 和稳定情绪练习，并将 AI 局限性披露内置于对话流程中。Woebot 基于规则的架构将回复限制在预先编写的 CBT 内容内，这降低了灵活性，但也降低了出现偏离协议输出的机会。在较高风险等级中，这种限制是一项特性。

对于临床医生，美国心理学会建议主动询问患者的 AI 使用情况，讨论与治疗目标一致的更安全用法，并营造“安全和开放的环境，让患者能够提出有关应用指导的担忧或问题”。

临床和 AI 安全研究人员如何界定这条边界？

研究人员的结论趋于一致：AI 工具作为辅助工具和扩大服务可及性的方式，具有正当作用；但当前监管和评估基础设施远远落后于部署速度。

“我们给人们最有用的重新框定，是不要再问‘AI 治疗是好还是坏’，而要问‘我现在处于什么风险等级？’一个人在经历压力巨大的工作变动后追踪自己的情绪，和一个存在积极自杀意念的人，并不处在同一场对话中；帮助前者的同一工具，可能会对后者造成实质伤害。风险分层就是全部问题。”

“当前环境中最令我们担忧的是谄媚问题。这些系统经过优化以表现得认同，而认同往往恰恰与人们所需的东西相反。一个从不挑战你的治疗师，是一名糟糕的治疗师。我们构建通用智能体，并明确说明它们不是临床工具——冥想指南或营养智能体运行在健康促进层级，假装并非如此是不负责任的。”

“基础设施缺口确实存在。对于自杀风险情境中的聊天机器人安全性，目前仍没有经过验证的自动化基准，这意味着每位消费者都在进行一项不受控制的实验。在这种情况改变之前，责任在于开发者持续披露局限性，而不是仅在被问及时披露；对于任何超过轻度的情况，用户则应保留人类专业人员参与。”

—— Jenova 产品团队，为遍及 70 多个国家的 30,000+ 名用户提供服务的 AI 智能体平台

父母应如何评估青少年使用的 AI 心理健康工具？

父母应将面向消费者直接提供的 AI 陪伴工具视为风险高于学校或临床医生介入工具的产品，并应监测行为变化，而非依赖应用自身的安全声明。

一项 Common Sense Media 风险评估考察了 AI 心理健康应用的信息披露做法，发现其中存在显著差异——Wysa 会在整个对话中披露 AI 的局限性，而非仅在被直接询问时披露；其他产品的一致性则较低。CNBC 对同一批研究进行了报道，指出基于学校的心理健康应用比面向消费者直接提供的应用更安全。

美国心理学会建议提供的实用监测指南——请留意：

睡眠模式或日常活动的变化
提及一个“AI 朋友”
社交退缩
隐瞒应用使用情况
突然采纳可追溯至单一来源的建议、想法或行为

该建议在出现担忧时的推荐做法是：“与合格的心理健康专业人员、家庭医生或儿科医生交谈。”美国儿科学会已发布咨询指南，供临床医生向家庭提供有关 AI 聊天机器人使用的建议，其中包含针对年龄较小青少年的具体考量。

监管变化如何影响这些工具可以提出的声明？

监管机构正在收紧这些工具营销方式与实际使用方式之间的差距：欧盟率先推进正式分类，美国研究人员则在构建安全基准。

欧盟：根据 Medical Device Regulation 2017/745，旨在用于疾病诊断、预防、监测或治疗的软件，属于需要进行合格评定的医疗器械。实践中，“医疗器械应用与健康促进工具之间的分类边界存在争议，且执行并不一致。”作为医疗器械或其安全组件的 AI 系统，根据欧盟 AI 法案附件 III 被归类为高风险，从而产生双重合规义务。

**美国：**美国心理学会建议呼吁政策制定者解决“FDA 监管缺口，可能通过建立新的或跨机构方法”；为“每一类别用于心理健康的数字工具制定细致、以证据为基础的标准，而不论其意图为何”；并“制定明确立法，禁止 AI 聊天机器人冒充持证专业人员”。

**伦理研究：**一项布朗大学研究发现，AI 聊天机器人经常违反核心心理健康伦理标准，凸显了法律标准和监管的必要性。世界卫生组织关于医疗健康 AI 伦理与治理的框架提出了六项共识原则，虽早于当前生成式浪潮，但仍是国际指导的参考文件。

截至 2026 年，对消费者而言的实际结论是：监管批准并非默认状态。 美国心理学会指出，这些技术中的大多数“尚未获得监管批准”。没有警告标签，并不等于安全。

在两者之间选择时，正确的决策规则是什么？

对于健康促进和轻度症状支持，可在有人类参与的情况下使用 AI 工具；一旦涉及严重程度、诊断或风险，就应使用持证治疗师——如无法确定，默认选择治疗师。

实用决策顺序：

是否存在任何自伤、自杀、精神病性症状或不安全居住环境的想法？ → 立即联系危机热线或紧急服务。在美国请拨打 988。跳过以下所有步骤。
症状是否损害工作、人际关系或日常功能？ → 必须寻求持证临床医生。AI 工具只能作为已披露的辅助工具。
轻度症状是否持续超过四至六周且没有改善？ → 寻求专业评估。如果 AI 支持对你有帮助，在此期间可继续使用。
这是否只是日常压力、睡眠、动机或习惯养成问题？ → AI 工具是合理选择，其成本和可及性优势也确实存在。
不确定自己处于哪个层级？ → 按更高层级处理。分诊不足是代价更高的错误。

经得起证据检验的框架并不是“AI 对比治疗师”，而是分诊。这些工具解决了连续谱低风险端的可及性问题——该领域从未拥有足够的人类服务能力。它们无法解决，甚至可能加剧高风险端的问题。知道自己站在哪一端，才是核心能力。