WhatsApp AI 心理陪聊机器人 Dr. Sofia：让 AI 在口袋里倾听你

凌晨两点，阿德里亚诺失眠了。他拿起手机，打开 WhatsApp，给一个叫"Dr. Sofia"的心理咨询师发了一条消息："我又睡不着了，感觉自己对什么都提不起兴趣。"

几秒钟后，Dr. Sofia 回复了——语气温暖，像一位真实的朋友。她没有给出千篇一律的建议，而是耐心地引导阿德里亚诺说出自己的感受，帮他梳理近期的生活压力。

这不是一位真正的人类咨询师。Dr. Sofia 是一个基于 LangGraph + Groq LLM 构建的 WhatsApp AI Agent，由巴西独立开发者 lucasboscatti 于 2025 年 2 月发布——118 颗 GitHub Stars，32 个 Fork，Topic 覆盖 langgraph、fastapi、groq、whatsapp-bot 等多个技术领域。

LangGraph 状态机：AI 对话背后的精密编排

Dr. Sofia 的"大脑"是一个用 LangGraph 构建的极简状态机。LangGraph 是 LangChain 团队推出的一个框架，专门用于构建有状态、多步骤的 AI Agent 工作流。相比 LangChain 的线性链式调用，LangGraph 支持节点（Node）和边（Edge）的图结构定义，可以更灵活地处理复杂对话逻辑和分支场景。

在这个项目中，状态机只有两个节点：START → assistant → END。看起来简单，但背后有几个关键设计：

PostgreSQL Checkpointing（状态持久化）

LangGraph 自带内存 checkpoint 机制，但生产环境用的是 AsyncPostgresSaver——所有对话状态（包括历史消息、thread_id）全部持久化到 PostgreSQL。这意味着用户和 Dr. Sofia 的对话不会因为服务重启而丢失，可以实现跨 session 的上下文连续性。

消息聚合缓冲

WhatsApp 用户可能短时间内连续发多条消息。项目通过 asyncio.sleep(WAIT_TIME) 实现消息聚合：将一段时间内的多条消息合并处理，减少 LLM 调用次数，节省 Groq API 费用。

流式响应 + 实时推送

LangGraph 支持 astream() 流式输出，Agent 生成的每个响应块都会通过 process_chunks() 实时推送到 WhatsApp 用户端——用户看到的是"逐字出现"的效果，而非等待完整回答。

技术栈拆解：FastAPI + Groq + WPPConnect

Dr. Sofia 的技术架构可以用四个模块来概括：

对话引擎：LangGraph 0.2.74，状态机编排、多轮对话管理 LLM 后端：Groq Llama-3.3-70b-specdec，自然语言理解和生成 语音处理：OpenAI Whisper Large v3 + gTTS，语音转文字、文字转语音 WhatsApp 集成：WPPConnect Server + FastAPI，消息收发、Webhook 接收 数据持久化：PostgreSQL + psycopg3，对话历史、checkpoint

Groq 是一个专注于 LLM 推理加速的云平台，提供 Llama、Mistral 等开源大模型。其 LPU（Language Processing Unit）推理引擎在某些任务上比 H100 GPU 快 10 倍以上，且提供免费 Tier（每分钟 30 次请求）。Whisper Large v3 则由 Groq 的 Whisper API 驱动，将用户发送的语音消息转录为文字。

部署体验：配置复杂但文档清晰

Dr. Sofia 不是一个"一键部署"的项目。根据 README，你需要同时启动两套服务：

Node.js WPPConnect Server（端口 21465）：处理 WhatsApp 协议，接收/发送消息，需要 npm 安装并通过 Swagger UI 配置 Python FastAPI 服务（端口 8000）：接收 WPPConnect 转发的 Webhook，运行 LangGraph Agent

此外还需要 PostgreSQL 数据库（首次运行需手动执行 checkpointer.setup() 建表）、Groq API Key（免费申请），以及扫码绑定一个 WhatsApp 账号。

README 的安装步骤写得相当详细，涵盖了从 npm 依赖安装到扫码绑定的全流程。但对于非 Node.js 开发者来说，"启动 WPPConnect Server"这一步可能略显陌生。

一个有趣的细分场景：WhatsApp + 心理咨询

将 AI Agent 落地到 WhatsApp 平台是个聪明的选择。WhatsApp 在拉美、中东、东南亚拥有超过 20 亿月活用户，是许多国家最主流的通讯工具。用户不需要安装任何额外 App，直接用自己习惯的聊天软件就能接触 AI 服务。

心理咨询是一个典型的"高频、低门槛、隐私敏感"场景：用户可能随时需要倾诉，不需要预约等待，也不希望面对面交流的心理压力。而 AI 可以 24 小时在线，语气始终温和，不会评判。

当然，这不是专业的心理治疗工具。README 明确提示：Dr. Sofia 提供的是"初步情感支持"（initial emotional support and guidance），而非正式的临床心理咨询。对于严重心理健康问题，用户仍需寻求专业帮助。

局限与挑战

Dr. Sofia 也面临着几个现实挑战：

部署门槛高：无 Dockerfile、无 Docker Compose，WPPConnect 需要 Node.js 环境，WhatsApp 扫码需要真实手机。对于没有技术背景的用户来说，"同时启动两个服务"本身就是一道门槛。

Groq API 依赖：所有对话处理都依赖 Groq 的云端 API。虽然 Groq 有免费额度，但生产环境大规模使用需要付费。对话中的语音转写（Whisper）也消耗 API 额度。

WhatsApp 封号风险：WPPConnect 属于非官方 WhatsApp 协议实现，存在被封号的风险。项目明确提示需要单独申请一个 WhatsApp 账号作为"机器人账号"，不建议使用个人主号。

缺乏测试和 CI/CD：代码库中没有任何测试文件，也没有 GitHub Actions 等 CI/CD 配置。这意味着代码更新后没有自动化验证，存在一定风险。

总结

Dr. Sofia 是一个将前沿 AI 技术（LangGraph + Groq + Whisper）落地的真实案例，聚焦在心理健康陪聊这一温暖的应用场景。代码架构清晰，但部署复杂度限制了它的普及速度。如果你想学习如何用 LangGraph 构建有状态的对话 Agent，或探索 WhatsApp 平台上的 AI 应用，这个项目值得一探。

技术维度上，该项目架构类型为事件驱动 + 状态机工作流，采用分层架构（webhook 接收层 → 消息聚合缓冲层 → LangGraph 状态机执行层 → WhatsApp 响应层），主力技术栈为 Python + FastAPI + LangGraph + Groq API + PostgreSQL + WPPConnect。代码质量评分 7/10（满分10分），无测试文件无 CI/CD，文档质量中等。AI 模型使用 Groq Llama-3.3-70b-specdec 和 OpenAI Whisper Large v3，均为云端 API。