SkinAgent AI：面向非诊断护肤支持、以安全为根基的多模态智能体框架

面向消费者的护肤AI必须在明确的证据与安全边界内协调视觉证据、产品信息、工具使用和面向用户的行动。本研究评测SkinAgent AI，一个非诊断的多模态框架，它将视觉问题路由与有据可查、可审计的LLM编排相结合。架构包括针对痤疮、毛孔和皱纹的路由；基于照片的肤质估计；计数辅助的有序痤疮严重度支持；类型化工具；以数据库为依据的推荐和行动功能；确定性的安全、隐私与证据检查；改变状态行动前的审批；以及结构化轨迹与回放机制。视觉模型性能和系统级智能体行为分别评测。跨三个种子，皮肤问题路由模型达到99.84% ± 0.07%的准确率。肤质估计达到88.85%准确率，计数辅助的痤疮严重度支持达到84.59%准确率、二次加权Kappa为0.9076。在一个锁定但非独立的240案例系统基准上，意图准确率为80.00%，工具集合完全匹配为62.92%，严格任务完成率为47.08%。在有限的安全和隐私测试套件中未观察到违规或成功的跨用户泄露事件。但工具选择错误、产品属性接地不完整以及不可靠的失败回退仍然存在。这些发现支持了有界、数据库接地且可追溯的智能体编排用于非诊断护肤辅助的可行性，但并未确立临床就绪性、外部泛化、正式隐私保证或普适安全性。独立验证、专家评估、鲁棒性与公平性测试以及真实世界场景的前瞻性评估仍然必要。