探索通过数据驱动、理论引导的LLM提供个性化健康支持：以睡眠健康为例的案例研究

尽管睡眠追踪设备已相当普及，但许多人仍难以将数据转化为改善睡眠健康的可执行措施。现有方法通常提供数据驱动的建议，但可能无法适应现实生活中的约束和个体情境。我们推出了HealthGuru，一种由大语言模型驱动的新型聊天机器人，旨在通过数据驱动、理论引导且具有适应性的建议以及对话式行为改变支持来改善睡眠健康。HealthGuru的多智能体框架集成了可穿戴设备数据、情境信息以及情境多臂老虎机模型，以建议量身定制的促眠活动。该系统在融入数据驱动的洞察和理论行为改变技术的同时，促进了自然对话。我们对16名参与者进行了为期八周的野外部署研究，将HealthGuru与基线聊天机器人进行了比较。结果表明，使用HealthGuru改善了睡眠时长和活动评分等指标，提高了回复质量，并增强了用户改变行为的动机。我们还指出了健康聊天机器人在个性化和用户参与度方面的挑战与设计考量。