ChatThero：面向成瘾康复行为改变与治疗支持的 LLM 驱动聊天机器人

物质使用障碍（SUDs）影响着数百万人，且复发很常见，需要多疗程治疗。获取护理的途径有限，这加剧了康复支持的挑战。我们提出了 \textbf{ChatThero}，这是一种创新性的低成本、多疗程、压力源感知且记忆持久的自主 \emph{语言代理}，旨在促进成瘾康复中的长期行为改变与治疗支持。与以往主要在患者-治疗师对话数据上微调大型语言模型（LLMs）的工作不同，ChatThero 是在反映真实疗法的多智能体模拟环境中训练的。我们从康复社区（如 Reddit）创建了匿名患者画像。我们将患者分为 \texttt{easy}、\texttt{medium} 和 \texttt{difficult}，这三个等级代表他们对康复的抗拒程度。我们通过引入压力源（如健康的社会决定因素）来创建外部环境，以模拟真实世界情境。我们动态注入具有临床依据的治疗策略（动机访谈和认知行为疗法）。我们的评估由人类（盲法临床医生）和 LLM-as-Judge 共同进行，表明 ChatThero 在共情能力和临床相关性方面表现优异。我们表明，压力源模拟提高了 ChatThero 的稳健性。显式压力源增加了类似复发的挫折，符合真实世界模式。我们使用行为改变指标评估 ChatThero。在 1--5 分量表上，ChatThero 将 \texttt{motivation} 提高了 $+1.71$ 分（从 $2.39$ 提高至 $4.10$），将 \texttt{confidence} 提高了 $+1.67$ 分（从 $1.52$ 提高至 $3.19$），大幅优于 GPT-5。在 \texttt{difficult} 患者上，ChatThero 达到成功里程碑所需的轮次比 GPT-5 少 $26\%$。