Habit Coach：定制化基于 RAG 的聊天机器人以支持行为改变

本文提出了 Habit Coach 的迭代开发过程，这是一个基于 GPT 的聊天机器人，旨在通过个性化交互支持用户进行习惯改变。我们采用以用户为中心的设计方法，使用检索增强生成 (RAG) 系统开发了该聊天机器人，这使其能够在不重新训练底层语言模型 (GPT-4) 的情况下实现行为个性化。该系统利用文档检索和专门的提示来调整交互，借鉴认知行为疗法 (CBT) 和叙事疗法技术。开发过程中面临的一个关键挑战是将声明性知识转化为有效交互行为的困难。在初始阶段，聊天机器人通过参考教科书和高层次的对话目标获取 CBT 的声明性知识。然而，这种方法导致行为不精确且效率低下，因为 GPT 模型难以将静态信息转化为动态且情境恰当的交互。这凸显了仅依赖声明性知识来指导聊天机器人行为的局限性，尤其是在细腻的治疗性对话中。经过四次迭代，我们逐步转向程序性知识，细化了聊天机器人的交互策略，并提高了其整体效果。在最终评估中，5 名参与者在连续 5 天内与聊天机器人进行互动，接收个性化的 CBT 干预。使用自报告习惯指数 (SRHI) 测量干预前后的习惯强度，结果显示干预后习惯强度有所下降。这些结果凸显了在基于 RAG 的系统中，程序性知识在驱动有效、个性化行为改变支持方面的重要性。