心理治疗也能做“硅内实验”：高共情提示让模拟会谈的动机式访谈完整性全面升高
核心概要
心理治疗研究长期受制于试验成本高、临床特征难以随机操控。一项预注册概念验证研究用本地部署的 Llama-3.3-70B-Instruct 搭建治疗师与来访者两类智能体，自动生成 512 场动机式访谈会谈，仅通过治疗师提示词操控共情、肯定与联盟建立等共同治疗因素的高低。在纳入分析的 480 场会谈中，高共同因素条件下的动机式访谈治疗完整性四项全局评分均高于低条件，调整后均值差为 0.54 至 0.95 分。
深度剖析
心理治疗会谈可以在没有真人参与的情况下批量生成，并被用于受控实验：治疗师与来访者都由大语言模型扮演，整场会谈自动完成。 心理治疗研究此前依赖资源密集的真人试验，临床上真正有意义的特征难以在实验中精确操控和随机分配。 512 场模拟会谈中 506 场（98.8%）产出完整记录，26 场因循环、角色偏离等严重模拟错误被剔除，最终 480 场进入分析。
只改动治疗师提示词中的共情、肯定与联盟建立程度，就能让会谈在动机式访谈的评分上系统性地变好或变差。 这种操控针对的是关系性姿态，而评分中包含“培育改变语句”“软化维持语句”等并未被直接操控的动机式访谈特有维度。 以患者情境和治疗师人设为随机截距的线性混合模型显示，高共同因素相对低共同因素的调整均值差在四项动机式访谈治疗完整性全局评分上为 0.54 至 0.95 分（1 至 5 分制），均 p<0.001。
模拟来访者也会对治疗师姿态作出选择性反应，观察者推断的改变信心增幅在高共同因素条件下更大。 来访者一侧的提示词在各条件间完全相同，并未被操控。 改变信心的前后变化在高共同因素条件下更高，β=0.17（95% CI 0.09 至 0.26，p<0.001）；改变重要性则未见明确的组间差异。
操控检查确认治疗师确实按指令表现出不同程度的关系性行为，且人类评分者复现了主要对比的方向。 仅凭生成文本无法判断模型是否真的执行了提示，需要独立的保真度检验。 工作联盟量表简版观察者版总分 β=3.14（95% CI 2.65 至 3.63），治疗师共情量表 β=14.48（95% CI 13.92 至 15.04），均 p<0.001；分层抽取的 40 份模拟记录加 8 份真实记录由两名评分者盲评，人类评分在动机式访谈全局评分和关键关系指标上同样给出高共同因素高于低共同因素的方向。
启示与展望
已展示的范围是：在本地部署的 Llama-3.3-70B-Instruct 上，以动机式访谈为单一疗法、8 个患者情境与 8 个治疗师人设、纯文本单次会谈的形式，完成 480 场可分析模拟并复现治疗师侧操控的预期方向。作者把这一范式定位为临床前研究阶段，用于检验过程理论和测量策略，而不是替代来自患者结局的临床证据。
作者指出模拟会谈在可信度上明显低于真实记录，治疗师与来访者两侧都被评为更像机器；模拟在共情量表与联盟的情感纽带维度上低于真实会谈，却在任务与目标维度上更高。大语言模型评分与人类评分的一致性随指标而异，共情量表总分一致性较强，可信度评分和部分动机式访谈谈话类构念较弱。模拟与评估若共享同一类模型偏差，还可能形成评估盲区。此外，模拟仅限书面单次会谈，缺少非言语信息与会谈间动态，“患者改变”只是基于话语的观察者推断指标，不能当作临床效应。