前兩天開始把 AI Companion 從「記得使用者」往「根據不同使用者調整互動方式」推進。

Day 19 建立了 Personalization Context，把 Memory、Health Memory、互動紀錄、偏好與近期狀態整理成 Agent 可以使用的 Context。

Day 20 則加入 Contextual Bandit，讓系統不再固定使用同一種互動方式，而是根據目前情境選擇比較適合的策略。

但做到這裡其實還少了最後一段：

策略被選出來之後，要怎麼真的變成一句話或一個 Action？

所以今天要把 Personalization Context、Contextual Bandit 和 Agent 串起來，完成第一版真正的「自適應互動」。

從 Context 到真正的互動

目前完整流程變成：

User Context
+
Health State
+
Interaction History
↓
Personalization Context
↓
Contextual Bandit
↓
選擇 Interaction Action
↓
Agent Executor
↓
LLM Response / Tool Call
↓
User Feedback
↓
Reward Log
↓
更新後續策略

Personalization Context 負責整理「現在這個人處於什麼狀態」，Bandit 負責決定「現在比較適合採取什麼互動策略」，最後再交給 Agent 執行。

也就是：

Bandit 決定做什麼，Agent 決定怎麼做。

例如 Bandit 選出的 Action 可能包含：

normal_chat
light_checkin
health_followup
reminder
encouragement
no_action

如果選到 light_checkin，Agent 不會直接把這個 Label 回傳給使用者，而是會將 Action 和 Context 一起交給 LLM，產生真正自然的回答。

一個實際例子

假設目前 Personalization Context 是：

最近三天睡眠品質不好
今天已經與 AI 互動 2 次
使用者不喜歡頻繁提醒
晚上比較願意聊天
目前沒有危急健康事件

Contextual Bandit 根據這些特徵，最後選擇：

Action = light_checkin

接著 Agent 判斷這次不需要查 RAG，也不需要建立提醒，只需要進行簡短關心。

最後 LLM 產生：

「你這幾天好像都睡得不太好，今晚感覺有比較舒服一點嗎？」

這時候系統就不再只是「根據 Memory 回答」，而是會根據目前情境主動調整互動方式。

如果今天已經互動很多次，Bandit 甚至可能選擇：

no_action

代表現在不主動打擾使用者。

對高齡陪伴系統來說，我覺得這反而是一個很重要的能力。

因為好的陪伴並不是一直說話，而是知道：

什麼時候應該關心，什麼時候應該保持安靜。

記錄互動結果

策略執行後，還需要知道這次互動到底有沒有產生好的結果。

因此今天也開始加入 Reward Log。

第一版先記錄：

context
selected_action
timestamp
user_response
interaction_duration
reminder_acceptance
reward

例如：

Action：light_checkin

使用者：
「有啊，今天有比較早睡。」

Reward：+1

如果 AI 主動提醒後，使用者直接拒絕：

Action：reminder

使用者：
「不用一直提醒我。」

Reward：-1

這些結果之後就可以回到 Contextual Bandit，用來更新不同 Action 的權重。

也就是：

這次選擇策略
↓
觀察使用者反應
↓
計算 Reward
↓
更新策略
↓
下一次做更適合的選擇

讓 Personalization 不只是寫在 Prompt 裡，而是真的可以隨著長期互動逐漸調整。

避免過度個人化

做到這裡也出現另一個問題：

如果系統太依賴過去資料，會不會反而很奇怪？

例如使用者三天前提過睡不好，不代表每一次聊天都要問：

「你最近睡得怎麼樣？」

如果每次都強調記憶，反而會讓陪伴變成一種壓力。

所以 Personalization Context 不應該直接控制所有回答，而只是提供 Agent 額外判斷依據。

目前會同時考慮：

資訊是否仍然相關
最近是否已經提過
今天互動次數
事件重要程度
使用者偏好
目前情境

只有真正有幫助的 Context 才應該影響這一次互動。

今天完成的核心

Day 19：

建立 Personalization Context，理解現在面對的是誰。

Day 20：

使用 Contextual Bandit，根據情境選擇互動策略。

Day 21：

把策略交給 Agent 真正執行，並利用使用者反應形成 Feedback Loop。

目前流程已經開始形成：

Context
↓
Decision
↓
Action
↓
Feedback
↓
Learning

AI Companion 不再只是固定規則的聊天機器人，而是開始能根據不同使用者、不同時間與不同互動結果，逐漸調整自己的互動方式。

今天最重要的一句話就是：

Bandit 負責選擇互動策略，Agent 負責把策略真正執行出來，而 Feedback 則讓下一次互動有機會變得更適合使用者。

下一步就可以開始把前面完成的 Health Memory、Health Trend、衛教 RAG、Agent、Reminder、Personalization 與 Contextual Bandit 整合到完整的高齡智慧健康照護情境中。