情感智能体：面向可穿戴系统的设备端个性化干预推理

情感计算已实现可穿戴状态推断，但在设备端推理是否、何时以及如何干预仍具挑战。我们提出Affective Agent，一种针对可穿戴硬件的三层参考架构，用于在不确定条件下进行个性化干预推理。该架构融合了紧凑的亚十亿参数语言模型与生理信号、上下文及用户历史信息，以决定是否、何时及如何干预，无需依赖云端或为每位用户单独重新训练。架构分为三个相互作用的层次（感知、个性化与推理），通过主机管理的结构化记忆演化实现对个体用户的适应，而非对每位用户进行权重更新。我们在室内环境质量控制中实现Affective Agent，并在未参与的、由模拟器生成的纵向场景中进行评估，涵盖生理变化、上下文、信号质量及干预历史。结果表明，在该合成评估中，基于记忆的个性化与双阶段结构化推理能提升干预决策质量。通过将决策层置于设备端，本工作展示了从可穿戴状态推断向可穿戴类硬件上的闭环、个性化干预演进的路径。