面向纵向个人健康管理的自进化智能体

摘要

个人健康管理在多次就诊中展开，但多数健康AI系统把每次请求孤立处理。我们开发HealthClaw：一个开源智能体架构——随个人的作息、偏好、测量与风险变化更新支持。它把共享的安全规则与医学知识，同包含画像事实、可复用流程与情景痕迹的私有纵向记忆分开。每次服务后，归纳决定哪些应更新画像、修订流程、保留为情景或排除。我们以合成的全年基准与九个200案例的生物医学任务评估HealthClaw。跨900个纵向支持探针：答案准确率从当前查询提示的0.2%提升到HealthClaw的45.7%，而提示侧上下文暴露比全历史提示低71.7%。在100个隐私探针中：HealthClaw产生更高的隐私感知答案质量与更少的不安全披露——对比两个基线。跨生物医学任务：任务专属主指标的平均绝对增益27.0个百分点，七个增益经错误发现率校正后仍显著。这些离线基准支持纵向个人健康智能体的受治理自进化记忆，尽管临床有效性需要前瞻评估。HealthClaw公开于https://github.com/HC-Guo/HealthClaw。

面向纵向个人健康管理的自进化智能体：论文配图 — 图1：HealthClaw的统一架构：闭环交互和五层进化记忆。最上面一行显示了闭合的交互循环。 A，感知将三个输入流（可穿戴设备和设备、先前记录和持续对话）集成到当前的健康环境中。 B，推理通过知识检索、子问题分解和约束计划制定来执行基于记忆的任务规划。 C、Action 通过工具调用、中间结果检查和计划细化迭代执行计划，产生面向用户的输出。 D，归纳在每个情节之后运行，以确定应该通过合并用户事实、修改可重用任务程序和保留情节痕迹来继续进行哪些操作。底部面板 E 显示了五层演化存储器。 L0（行为规则）和L1（领域知识索引）是共享的领域级层，而L2（隐私关键个人资料）、L3（可重用任务标准操作程序，SOP）和L4（情景记忆）是个性化用户级层。在此设计中，L2 在本地存储敏感的配置文件信息，而不是在检索期间暴露原始可识别内存有效负载。内存读取支持 B 中的规划，而 D 中的内存写回会在每次完成的事件后更新用户级层，从而通过增量积累而不是一次性响应来实现纵向个性化。