本研究提出了一种名为“心理适配器”的轻量级LLM变压器架构，旨在解决语言生成模型缺乏个性化特征的问题。该模型能够生成符合特定个性和心理健康特征的自然语言，为聊天机器人和心理培训工具提供新方法。实验表明，心理适配器能在无提示情况下生成反映所需特质的文本。

本文讨论使用Postgres和pgvector构建RAG（检索增强生成）应用程序。RAG将语言生成模型与检索方法相结合，以提高生成文本的质量。该应用程序的动机是将领域特定知识融入到聊天机器人式应用程序中。RAG应用程序的局限性包括在CPU上运行大型语言模型、固定的令牌限制和扩展挑战。RAG应用程序的流程包括数据处理、嵌入模型、用户查询、检索相关部分、创建组合提示、发送提示到聊天模型和提供答案。本文还提供了创建数据库、导入数据和启动聊天功能的代码示例。