Mental Health Analysis Tool | 心理健康分析工具

核心用法

本技能是一款基于多模态深度学习的心理健康分析工具，核心功能是通过视频流分析技术进行非接触式心理健康评估。用户只需提供包含人物面部表情的视频文件（本地路径或网络URL），系统即可自动捕捉微表情、肢体语言及语音语调特征，识别抑郁、焦虑、压力过大等常见心理问题倾向。

操作流程严格规范：首先必须通过四层优先级机制获取用户open-id（从技能目录配置文件到workspace公共配置，再到用户主动提供），随后调用python -m scripts.psychology_analysis执行分析。支持多种分析类型（general/emotion/anxiety/depression/stress/other），并可输出basic/standard/json三种详细程度的报告。

显著优点

技术先进性：融合rPPG（远程光电容积脉搏波描记）与FACS（面部动作编码系统）技术，通过检测面部微血流变化和微表情特征，实现心率变异性（HRV）还原与情绪量化，达到医学级监测精度。

无感式体验：全程非接触采集，无需佩戴任何设备，用户在日常场景中即可完成心理筛查，大幅降低心理测量的心理抗拒感。

结构化输出：自动生成包含风险等级、情绪趋势、行为特征的标准化报告，并基于认知行为疗法（CBT）理论提供个性化调适方案，兼具专业性与可操作性。

场景覆盖广：明确适用于企业员工关怀、校园心理筛查、家庭健康监测三大场景，B端C端兼顾。

潜在缺点与局限性

专业边界模糊：虽然明确标注"不能替代专业心理医生诊断"，但技能描述中大量医学术语（如HRV、FACS、认知行为疗法）可能让用户产生"准医疗诊断"的误解，存在过度依赖风险。

数据依赖性：视频质量直接影响分析准确性，光线不足、遮挡、角度偏差均可能导致信号失真；100MB文件大小限制对高清长视频构成约束。

隐私敏感性：面部微表情与生理信号属于高敏感生物特征数据，尽管强制要求云端存储而非本地记忆，但数据传输与第三方API服务的安全性未在文档中充分披露。

历史查询限制：明确禁止从本地记忆读取历史报告，强制依赖云端接口，若网络异常或服务中断将导致历史数据不可访问。

适合人群

• 企业HR与EAP（员工帮助计划）负责人，用于批量员工心理状态筛查
• 学校心理咨询师与辅导员，面向学生群体开展心理健康普查
• 关注自我心理健康的个人用户，用于日常情绪状态跟踪
• 远程健康管理机构，结合视频问诊场景提供辅助评估

常规风险

误判风险：算法对微表情的识别存在假阳性/假阴性可能，将正常情绪波动误判为病理倾向，或遗漏真实心理问题。

数据安全风险：视频上传至第三方API服务，存在传输泄露、存储滥用、跨境数据流动等合规隐患，文档未明确说明数据保留期限与删除机制。

心理暗示风险：负面报告结果可能引发用户自我标签化，形成"巴纳姆效应"或反安慰剂效应，尤其缺乏专业人工复核时危害更大。

技术黑箱风险：AI情绪识别算法的可解释性有限，用户难以理解"为何被判定为焦虑倾向"，削弱报告可信度与采纳意愿。

---

> ⚠️ 重要声明：本分析仅供心理健康参考，不能替代专业心理医生诊断或治疗。如有明确心理困扰，请及时寻求专业帮助。

核心用法

本技能作为心理健康分析工具，核心功能是通过视频输入（本地文件或网络URL）调用远程AI服务，对用户的心理健康状态进行多维度评估。系统基于rPPG（远程光电容积脉搏波）和FACS（面部动作编码系统）技术，捕捉面部微血流变化与微表情特征，结合深度学习算法分析情绪状态、压力水平及常见心理问题倾向。

使用流程分为三步：首先通过严格的四级优先级流程获取用户open-id（从技能目录配置→公共目录配置→用户直接提供→强制暂停请求），确保身份标识有效性；随后上传视频文件（支持mp4/avi/mov格式，最大100MB）或提供网络视频URL；最后调用python -m scripts.psychology_analysis执行分析，支持综合分析、情绪分析、焦虑/抑郁/压力专项分析等多种模式。分析完成后，系统生成包含风险等级、情绪趋势、行为特征的结构化报告，并基于认知行为疗法提供个性化改善建议。历史报告查询需通过--list参数调用云端API获取，严格禁止读取本地记忆文件。

显著优点

技术层面，本技能融合了非接触式生理信号检测与情感计算，无需专业设备即可完成心率变异性（HRV）等生理指标还原，实现了"无感化"健康监测。应用场景广泛，覆盖企业员工关怀、校园心理筛查、家庭健康监控等多领域，填补了传统心理健康评估时效性差、成本高的痛点。报告输出规范专业，采用Markdown表格格式清晰展示历史记录，包含风险预警与 actionable 的改善建议，具备一定的临床参考价值。

架构设计上，技能强制约定了数据获取规则，明确禁止本地记忆回退，统一从云端接口获取数据，保证了报告的一致性与可追溯性。多环境配置支持（dev/test/prod）也为不同部署场景提供了灵活性。

潜在缺点与局限性

隐私风险是首要局限：用户原始视频文件需完整上传至远程API服务器，包含面部生物特征、行为姿态等高敏感信息，存在数据外泄与被滥用的风险。尽管声称使用TLS加密，但服务端数据安全完全依赖第三方（smyx-health），缺乏透明审计机制。

技术准确性存疑：基于视频的非接触式生理信号检测（rPPG）易受光照条件、摄像头质量、面部遮挡等因素干扰，HRV还原精度与医疗级设备存在差距。AI情绪识别在跨文化、跨年龄群体中的泛化能力未经充分验证，分析结果"仅供参考"的免责声明也侧面反映了可靠性边界。

功能耦合与依赖风险：核心分析能力完全依赖外部云服务（smyx-health），一旦服务中断、API变更或终止运营，技能将完全失效。Token本地SQLite存储虽实现持久化登录，但缺乏过期自动清理，存在长期累积风险。

合规性不足：隐私合规检查多项未通过，包括GDPR数据最小化原则、用户明确同意机制、第三方数据共享披露、数据删除权利支持等，难以满足严格的数据保护法规要求。

适合的目标群体

• 企业HR与EAP负责人：用于员工心理健康普查、高压岗位定期筛查、组织健康报告生成
• 学校心理辅导员/班主任：面向学生群体的心理状况监测、异常行为早期识别
• 健康管理机构：作为初步筛查工具，辅助专业咨询师判断是否需要深度干预
• 个人用户：关注自身情绪健康、希望获得客观反馈的家庭场景使用

不建议人群：已确诊心理疾病需治疗者（不能替代专业诊疗）、对隐私极度敏感者、未成年人在无监护人知情下使用。

常规使用风险

数据泄露风险：视频文件与手机号/open_id等标识信息外传，若API服务端发生数据泄露，将导致不可逆的生物特征隐私侵害。建议用户避免上传包含他人面部的视频，审慎评估数据敏感度。

Token安全风险：登录Token本地数据库存储，若设备被他人物理访问或存在恶意软件，可能导致账户劫持。多用户共享设备时环境变量身份混淆也可能导致报告归属错误。

服务可用性风险：依赖单一外部API提供商，无本地降级方案。网络波动、服务维护、API限额均可能导致分析失败。

误判风险：AI分析结果可能产生假阳性（健康者被标记风险）或假阴性（问题者被漏检），用户需理性对待"参考"定位，避免替代专业医疗判断。

日志泄露风险：若误开启debug模式，敏感信息可能写入日志文件被其他应用读取。