项目简介
LXScale 是一个免费开源的心理健康评估平台，提供专业的心理筛查工具。项目发起于 LXDAO Pod初始贴，旨在为用户提供便捷、准确的心理健康自评服务。体验链接。
项目初衷
当前市场存在大量付费心理评估服务，这些服务通过SEO技术占据搜索结果前列，但实际上许多评估问卷本身是开源且免费的。这种商业模式对正在寻求心理健康支持的人群造成了不必要的经济负担——特别是用户填完问卷后才发现需要付费获取结果，这种体验对本就脆弱的心理状态造成二次伤害。
LXScale 项目的核心使命是打破这一壁垒，提供真正免费、无隐藏收费的心理评估服务，让每个人都能获得基本的心理健康评估资源。我们相信，心理健康支持不应该成为一种特权，而应该是每个人都能平等获得的基本资源。
项目成果
已完成里程碑
多问卷架构实现 (100U) - 整合10+专业评估问卷，构建可扩展的问卷系统- 数据本地存储 (20U) - 问卷数据本地浏览器存储功能，保护用户隐私
- SEO优化 (50U) - 实现谷歌搜索相关关键词排名前10，提升可发现性
- AI分析升级 (50U) - 基于 DeepSeek 的智能分析，支持用户-AI交互式对话
待完成目标
社区建设 (220U) - GitHub Star数达到100
长期规划 - GitHub Star数达到1000后，成立专项项目组
开发历程与挑战
项目时间线
项目于2024年4月15日启动，经过近三个月的迭代开发，在多位贡献者的共同努力下成功完成核心功能。
核心贡献者
感谢以下贡献者的宝贵付出：
- @0xhardman - 项目发起人和产品设计师，负责产品设计和核心功能实现
- @cty - 主要开发者，负责核心功能实现和 React 组件开发
- @snaildarter - 国际化架构设计与实现，建立完整的多语言支持体系
- @BiscuitCoder - 功能开发与优化，参与问卷系统和用户界面完善
- @Sacultor - AI能力集成与优化，实现基于 DeepSeek 的智能分析功能
技术挑战与解决方案
多语言架构复杂性
- 挑战：多问卷 × 多语言导致系统架构复杂化，影响开发效率和代码维护性
- 解决方案：重构架构，将静态页面和动态问卷的多语言处理分离，提升可维护性
AI工具适配问题
- 挑战：代码复杂度增加导致主流AI编程助手处理困难
- 解决方案：手动重构代码结构，优化架构设计，最终借助 Claude Code 实现突破
产品设计迭代
- 挑战：从最初的产品原型图到完整产品，需要解决问卷选项差异化和结果呈现的技术难题
- 解决方案：建立统一的问卷数据模型和渲染逻辑，实现高度可扩展的架构
技术创新亮点
1. 结果分享
利用 lz-string 压缩算法对问卷结果进行高效压缩，生成简洁的分享链接（如：https://lxscale.xyz/en/questionnaire/ocd/result?ans=IwJgzBYgLDQ），方便用户与专业人士分享评估结果。
2. AI集成及滥用防护机制
- Deepseek集成：用户可以获取自己专属的分析报告
- 使用限制：实施AI分析频率限制，防止系统滥用（IP级限制：10次/分钟）
- 数据导出：提供AI友好的问卷结果格式，用户可复制到自己的AI系统进行分析
3. SEO优化架构
将原本的 Dialog 问卷介绍改为独立页面，为每个问卷提供专门的SEO优化，显著提升搜索引擎可发现性和用户访问体验。
4. 可扩展的多语言架构
- 技术栈：基于 Next.js 15 + TypeScript + Next-international
- 架构设计：静态页面与动态问卷的多语言处理分离
- 可维护性：统一的问卷数据模型，支持快速添加新语言和问卷
- 路由结构：动态 locale 路由
/zh/和/en/，支持无缝语言切换，未来还将提供更多支持
5. 完整的问卷评估体系
- 评估工具：集成 9 种专业心理评估量表（Y-BOCS、SCL-90、SDS、GAD-7、PHQ-9、PSS-10、DASS-21、BDI-2、ISI）
- 评分算法：每个问卷配备专门的计算器组件，实现精确的评分逻辑和严重程度判断
- 结果分析：模块化结果分析系统，支持个性化的结果展示和专业建议生成
- 数据压缩：使用
lz-string实现高效的结果数据压缩和URL分享
6. 企业级 SEO 优化
- 动态元数据：为每个问卷生成特定的 SEO 元数据，支持中英文双语
- 结构化数据：实现 JSON-LD 结构化数据，提升搜索引擎理解度
- 动态网站地图：自动生成多语言网站地图，覆盖所有问卷页面
- 社交媒体优化：完整的 OpenGraph 和 Twitter Cards 支持
待优化方向
准确性核对
- 问卷专业性核对：确保问卷参考文献可查，问卷设计和参考文献一致
技术层面
- AI提示词优化：提升AI分析建议的专业性和准确性，优化 DeepSeek 集成的提示词工程
- 性能监控：添加错误追踪和性能监控系统，如 Vercel Analytics 或 Sentry
市场拓展
- 国内市场适配：完成国内网站访问的相关手续和合规要求
- 专业认证：寻求心理健康专业机构的认证与合作
- Product Hunt 上架：准备产品介绍、演示视频和推广素材，在 Product Hunt 平台发布以获得更广泛的曝光
- 社区建设：持续扩大开发者和用户社区，鼓励用户为项目 GitHub 仓库添加 Star 以提升项目影响力
技术架构概览
核心技术栈
- 前端框架：Next.js 15 + React 19 + TypeScript 5
- 样式方案：Tailwind CSS 4 + Shadcn/ui 组件库
- 国际化：Next-international 实现动态路由和翻译
- AI 集成：DeepSeek API 提供智能分析服务
- 部署方案：Docker 多阶段构建 + Standalone 模式
项目结构
lx-scale/
├── app/[locale]/ # 动态语言路由
├── components/ # 可复用组件
├── questionairies/ # 问卷多语言数据定义
├── locales/ # 国际化翻译文件
├── types/ # TypeScript 类型定义
├── lib/ # 工具函数和 SEO 配置
└── hooks/ # 自定义 React Hooks
项目截图
趣谈
后来发现，良心量表，可以简称为量心诶，非常的符合项目。
