A Self-Evolving Agent for Longitudinal Personal Health Management

背景

个人健康管理是一个长期的、反复发生的过程——用户需要根据身体状况、生活习惯、测量数据和风险因素的持续变化，不断调整自身的健康策略。然而，现有的健康AI系统大多将每次请求视为独立事件，缺乏对用户纵向历史的感知和记忆更新能力。这种“无状态”设计导致系统无法从过往交互中学习，也无法随用户情况演变而自适应调整。针对这一问题，研究人员提出了HealthClaw，一种开源的、能够自我演化的智能体架构，旨在通过分离通用知识与私有纵向记忆，并引入归纳更新机制，实现长期、个性化的健康管理支持。该论文于2026年7月15日提交至arXiv（cs.AI），并公开了代码。

核心内容

HealthClaw的核心设计围绕“记忆分离”与“自演化”展开。它将系统知识划分为两个清晰的层次：

• 共享层（Shared Layer）：包含通用安全规则与医学知识，这些知识对所有用户相同，由领域专家维护，不会因个体交互而改变。
• 私有纵向记忆（Private Longitudinal Memory）：存储每个用户的个性化信息，包括：
  • 配置文件事实（Profile Facts）：用户的基本信息、慢性病状态、过敏史等静态或缓慢变化的属性。
  • 可重用程序（Reusable Procedures）：用户在健康管理中形成的重复性操作流程，如每日服药提醒、测量血压的步骤等。
  • 情景轨迹（Episodic Traces）：每次交互的具体记录，包括用户的问题、系统的回答、后续反馈等。

每次交互（称为一个“episode”）完成后，系统会触发一个归纳更新机制。该机制基于当前事件的内容和上下文，判断哪些信息应当：

• 更新到配置文件事实中（例如用户新报告了体重变化）；
• 修正一个已有的可重用程序（例如用户调整了运动计划的执行方式）；
• 保留为情景轨迹供未来参考（例如某次临时的不适症状）；
• 或者完全排除（例如冗余或错误信息）。

通过这种机制，HealthClaw能够在不依赖人工重训练的前提下，随着时间推移持续优化对用户的理解和支持。

评估方法：研究团队构建了一个合成的一年期基准测试，并设计了9个各含200个案例的生物医学任务。实验涉及900个纵向支持探针（longitudinal support probes），用于测量系统在长期追踪场景下的回答准确率。此外，还设置了100个隐私探针（privacy probes），评估系统在保护用户隐私前提下的回答质量与信息泄露风险。对比基线包括：

• 仅基于当前查询的提示（current-query prompting）；
• 使用全历史提示（full-history prompting，即把用户所有过往交互都塞入提示）。

主要结果：

• 准确率：在900个纵向支持探针中，HealthClaw的回答准确率从仅当前查询提示的0.2%提升至45.7%。同时，其提示侧上下文暴露量（prompt-side context exposure）比全历史提示低71.7%，说明系统在显著提高准确率的同时，大大减少了上下文长度和潜在的信息过载。
• 隐私质量：在100个隐私探针中，HealthClaw在兼顾隐私感知的回答质量和减少不安全披露方面均优于两个基线。
• 生物医学任务：在9个任务中，任务特定主要指标的平均绝对增益达到27.0个百分点；经过错误发现率（FDR）校正后，其中7个任务的增益仍具有统计显著性。

论文强调，这些离线基准测试表明，受治理的、自演化的记忆机制对于长期个人健康智能体是有效的。但作者也指出，临床有效性尚需前瞻性评估。HealthClaw的代码已公开。

关键要点

• 架构创新：HealthClaw将共享安全/医学规则与私有纵向记忆分离，后者包含配置文件事实、可重用程序和情景轨迹。
• 自演化机制：每次交互后，归纳更新流程自动决定哪些信息应更新、修订、保留或丢弃，无需人工干预。
• 显著性能提升：准确率从0.2%（当前查询提示）提升至45.7%，同时上下文暴露量比全历史提示降低71.7%。
• 隐私优势：在隐私探针中表现出更高的隐私感知回答质量和更少的不安全披露。
• 跨任务通用性：在9个生物医学任务上取得平均27.0个百分点的绝对增益，多数统计显著。
• 开源与限制：代码已公开，但当前评估仅为离线基准，临床有效性的证明需前瞻性研究。

意义与影响

HealthClaw为个人健康管理AI开辟了一条“动态记忆”的新路径。传统健康AI系统要么忽略历史（每次从零开始），要么简单堆叠所有历史记录（导致上下文爆炸和隐私风险）。HealthClaw通过结构化的、可演化的记忆设计，在准确性和上下文效率之间取得了平衡，同时内置了隐私保护机制。

这一架构的意义不仅限于健康管理。任何需要长期个性化支持的场景（如教育辅导、财务规划、慢性病随访等）都可能受益于类似的记忆分离与归纳更新范式。此外，将共享医学知识从个体记忆中分离出来，使得安全规则可以集中维护，降低了数据偏差和隐私泄露的风险。

然而，从实验室到真实临床环境仍有距离。离线基准无法完全模拟用户反馈的真实噪声、疾病进展的复杂性以及伦理合规要求。未来的前瞻性临床试验将是验证HealthClaw实际价值的关键。如果成功，它可能成为下一代“终身学习”型数字健康助理的基石。