前幾天已經分別完成：

• Day 12：Health Memory
• Day 13：Health State Analysis
• Day 14：Health Education RAG

但目前這三個功能還是各自運作。

Health Memory 知道使用者最近發生了什麼，Health State 負責整理近期的健康變化，而 RAG 則負責找到可信的衛教知識。

所以今天要做的事情很直接：

把這三種資訊一起交給 LLM，讓回答開始根據使用者近期狀態產生變化。

為什麼只有 RAG 還不夠？

昨天完成衛教 RAG 後，AI 已經可以先搜尋可信資料，再根據資料回答。

例如使用者問：

最近還是睡不好，有什麼可以注意的？

如果只有 RAG，可能會回答：

保持規律作息、睡前避免咖啡因，
並減少睡前使用電子產品。

內容沒有問題，但任何使用者都可能得到類似的答案。

而 AI Companion 前面已經累積了 Health Memory，因此這些紀錄也應該成為回答的一部分。

Health Memory + Health State + RAG

今天把流程改成：

使用者問題
↓
Health Memory Retrieval
↓
Health State
↓
Health Education RAG
↓
Context Builder
↓
LLM
↓
個人化衛教回答

例如系統找到：

Health Memory
→ 最近 4 天有 3 次提到睡眠品質不好

Health State
→ 近期睡眠狀態持續偏差

Health Education RAG
→ 找到睡眠相關衛教內容

最後再一起交給 LLM。

第一版 Context

目前先使用最簡單的方式組合：

[Recent Health Memory]
- 09/01：睡眠品質不好
- 09/02：半夜醒來兩次
- 09/03：今天還是睡不好

[Health State]
- 最近多次出現睡眠相關事件

[Health Education]
- 維持固定睡眠與起床時間
- 睡前避免咖啡因
- 持續影響生活時可尋求專業協助

[User Question]
最近還是睡不好，有什麼可以注意的？

這樣 LLM 不只知道「睡不好通常要注意什麼」，也知道「這個使用者最近已經多次提到睡眠問題」。

回答就可以變成：

你最近幾天已經多次提到睡眠品質不好，
可以先觀察近期的作息、咖啡因攝取，
以及睡前使用手機的情況。

如果持續影響白天精神，
可以考慮尋求醫療專業人員協助。

差別就在於：

RAG 提供知識，Health Memory 提供個人脈絡。

Health Memory 不是診斷

這裡還有一個很重要的限制。

如果系統知道：

最近常常睡不好
最近容易疲倦

不能因此直接推論使用者患有某種疾病。

所以目前在 Prompt 中加入限制：

Health Memory 僅作為回答的背景資訊。
不得根據紀錄自行診斷疾病。
回答以衛教與一般健康資訊為主。
必要時建議尋求醫療專業協助。

這樣 Health Memory 的用途是讓回答更了解使用者，而不是讓 AI 自己進行診斷。

今天遇到的問題

今天最大的問題是：

到底要放多少 Health Memory 進 Context？

放太少可能沒有個人化效果，但放太多又會出現不相關資訊。

例如現在詢問睡眠問題，就不需要把很久以前的飲食紀錄全部交給 LLM。

因此之後的 Retrieval 還需要考慮：

問題相關性
時間距離
事件頻率
Health State

讓系統只取回目前真正需要的健康資訊。

今天完成的核心

Day 12 到 Day 14 分別完成了：

Health Memory
→ 記住健康事件

Health State
→ 整理近期變化

Health Education RAG
→ 找到可信衛教知識

Day 15 則第一次把它們串在一起：

Health Memory
+
Health State
+
Health Education RAG
↓
Personalized Health Context
↓
LLM
↓
個人化衛教回答

今天最重要的概念就是：

RAG 告訴 AI「一般來說應該怎麼回答」，Health Memory 則告訴 AI「這個人最近發生了什麼」。

到這裡，AI Companion 已經開始不只是回答健康問題，而是能結合使用者近期狀態，提供更有個人脈絡的回應。

下一步 Day 16，就可以開始進入 Agent 與主動關懷：當 AI 已經知道使用者最近的狀態後，能不能進一步判斷「什麼時候應該主動做點什麼？」