痴呆症护理的受控 AI 代理协调：架构、安全合同和循证工作流程验证

痴呆症护理越来越多地涉及联网传感器、医疗设备、电子记录和辅助技术。互操作性可以传输观察结果，但无法维持负责任的护理状态、协调证据、确定谁可以采取行动或验证解决方案。从大型语言模型到代理工程的转变创造了一个系统机会：外部运行时可以跨情节维护记忆，规划目标和约束，调用工具，观察结果并实施治理。本文提出了受控闭环代理协调 (GCAC)，这是一种用于社区痴呆症护理工作流程中有限代理参与的架构。有关护理协调失败和政策义务的证据被转化为可追踪的系统要求。 GCAC 通过类型化的事件-内存-决策-行动-结果契约将观察、受控内存、规划、确定性策略执行、执行和结果监控分开。参考工具评估 18 条源自证据的痕迹，涵盖丢失记录、药物冲突、护理人员报告、服务失败、同意变更、陈旧状态、重复事件、不可信文本和可疑的急性神经系统变化。 GCAC 通过零违反策略的工具调用来满足所有 18 个合约预言机的要求，并正确保留义务、拒绝陈旧状态、创建人工交接并记录工作流程关闭。事件阈值和无状态规划器控件分别满足 2/18 和 1/18 预言机。组件消融将故障定位到已删除的内存、策略或版本控制功能。结果建立了架构一致性而不是临床有效性，并展示了代理系统如何自动协调、路由、记录​​和跟进，同时保留人类对后续护理决策的权威。