可穿戴设备记录心率、睡眠和运动，体检提供生理指标，医疗档案保留病史与用药信息。
但数据积累并不等于理解健康，系统还需识别变化、结合医学知识解释结果，提出可执行的建议。
Google论文剖析了个人健康智能体PHA，把这个过程拆分为专业分工、动态编排和持续反馈。
PHA概述。a、以用户为中心的设计流程剖析个人健康需求。b、设计一个由最先进LLM驱动的多智能体系统，由专业DS、健康DE和HC智能体组成，以满足多样化的消费者健康需求。“基础模型”指Gemini 2.0系列。c、工作代表了迄今为止对健康智能体最全面的评估（在11项基准上超过7000条标注和1350小时的努力）。MCQ，多项选择题。
专业智能体
数据科学智能体，从数据中提取事实。
将自然语言问题转化为分析计划，选择指标与统计方法，生成代码并执行计算。
例如，判断体能是否改善，需要比较一段时间内的运动表现与生理指标。模型负责规划，代码负责计算，测试负责核验。
a、DS智能体的架构：首先根据用户查询和数据模式摘要生成一份详细的自然语言统计分析计划。随后，生成并执行代码以实施该计划。一个迭代式自我纠错循环使智能体能够基于执行错误、原始查询和分析计划来修正代码。b、DS智能体的性能评估结果，表明其在分析计划质量和代码生成通过率两方面均较基础Gemini模型有显著提升。
健康专家智能体，负责解释数据。
结合个人健康档案、医学知识与指标变化，分析可能的原因。
同一项异常指标，在不同年龄、病史和用药背景下，可能有不同解释。系统需要区分观测事实、可能原因与尚待验证的判断。
a、DE智能体的工作流程概述：以用户的查询和个人健康数据为输入。该智能体采用推理、调查和检查的迭代过程，并使用一个可访问专业资源的工具箱。b、对DE智能体的终端用户评估（n = 17）显示，在单轮、情境化问答（Q&A）中，其在多模态维度上显著优于基础Gemini模型。c、临床医生对多模态健康摘要的评估（n = 5）显示了相同结论。
健康教练智能体，推动行为改变。
通过多轮对话了解用户的目标与困难，制定可执行的计划，再根据后续数据调整建议。
健康管理由一次性问答转为持续反馈，制定目标、采取行动、观察结果、修正计划。
a、HC智能体架构采用模块化流程，包含一个核心个性化辅导模块以及对话流程模块（推荐和结论），以适配对话并策略性地安排推荐时机）。b、终端用户评估（n = 31）显示，HC智能体在多轮辅导对话中显著优于基础模型，带来更高的用户参与度和偏好。CEMI，动机性访谈的客户评价；CUQ，聊天机器人可用性问卷；SMART，具体、可衡量、可实现、相关且有时限；WAI，工作联盟量表。c、教练专家对对话记录的评估（n = 3）证实了这些结论，从专家视角揭示了HC智能体更为明显的优势。AICM，人工智能教练指标。
动态编排
三个智能体各有所长，但专业分工还需要协调机制。
PHA 由协调器理解用户意图、选择智能体、安排任务并整合结果。
简单的统计问题交给数据科学智能体；医学解释需要健康专家；长期习惯管理则需要健康教练。复杂问题可以组合多个角色。
系统形成一条完整的任务链，理解问题，获取数据，调用工具，分析结果，核验结论，再生成建议。
论文比较了单智能体、多智能体并行和协调器动态编排等方案。结果显示，用户与健康专家在多数比较中更偏好 PHA。
关键在于任务如何分解、专业能力如何组合，以及结果如何整合。
a、PHA协作工作流程概述：一个编排器动态地将任务分配给DS、DE和HC智能体，管理协作、反思和记忆更新的多步骤过程，以综合生成连贯的响应。b、对实时多轮对话的终端用户评估（n = 45，与WEAR-ME衍生的人物画像匹配）显示，在整体质量和有帮助性方面，PHA是相对于单智能体基线和并行多智能体基线的最常见首选。c、健康专家对这些实时对话记录的评估（n = 3）进一步支持了这些结论，揭示出对PHA系统相较于基线的偏好更为明显。
可靠性验证
健康智能体不能只看回答是否流畅。
论文分别评估了专业模块与整体系统，覆盖数据分析、代码生成、健康推理和用户体验等环节。
研究使用约 1200 名参与者的可穿戴设备数据、健康问卷与血液检查结果，构建了覆盖 10 项基准任务的评估体系。
分层评估有助于定位错误，计算是否正确，医学解释是否有据，最终建议是否适合个人。
不过相关性不等于因果关系，检索到医学资料也不保证推理正确。系统仍需处理证据冲突、数据偏差和个体差异。
技术启发
PHA 展示了一种通用的智能体工程方法：
通用模型理解问题并规划任务，专业模块执行分析，工具提供可验证结果，协调器管理任务依赖，反馈机制持续修正判断。
难点在于整条链路的可靠性，不在单个模型的表达能力。
这套架构应该也适用于科研与供应链决策。将复杂问题拆成专业任务，以计算和证据约束推理，再通过协调与反馈形成闭环。
智能体的核心，是把模型能力组织成可执行、可验证、可持续改进的决策过程。大家快来抄作业，Nature正刊认可的智能体作业。
数据与代码
https://github.com/Google-Health/consumer-health-research/tree/main/personal_health_agent
《清熙》还整理过另一篇医疗AI智能体，看来Nature主编偏爱啊夯爆了，自主医疗AI智能体登Nature正刊。
文献1，The anatomy of a personal health agent，https://www.nature.com/articles/s41586-026-11161-8