面向行为健康沟通模拟的安全感知角色编排多智能体LLM框架

在行为健康沟通中，单智能体大语言模型（LLM）系统难以同时支持多样的对话功能并保持安全。我们提出一个安全感知、角色编排的多智能体LLM框架，旨在通过协调的、角色分化的智能体模拟支持性的行为健康对话。对话职责被分解到多个专门智能体上，包括共情导向、行动导向与监督角色，同时基于提示的控制器动态激活相关智能体并执行持续的安全审计。我们使用来自DAIC-WOZ语料库的半结构化访谈转录，以捕捉结构质量、功能多样性与计算特性的可扩展代理指标评估该框架。结果显示角色分化清晰、智能体间协调连贯，且与单智能体基线相比，模块化编排、安全监督与响应延迟之间存在可预期的权衡。这项工作强调系统设计、可解释性与安全性，将该框架定位为面向行为健康信息学与决策支持研究的模拟与分析工具，而非临床干预手段。