AI健康教練應用Bloom如何通過改變思維方式促進運動

斯坦福大學研究人員開發的健康coaching應用Bloom，幫助用戶挖掘自身的運動動力。

市面上已有琳瑯滿目的健康應用和wellness coaching設備，這個賽道看似已經趨于飽和。

然而，斯坦福大學計算機科學系研究生Matthew Jorke指出，市面上的商業健康應用往往將coaching視為一個優化問題。他表示，這類應用會通過收集足夠多的用戶數據，讓聊天機器人教練開出一套訓練計劃，然后期待用戶照單全收。"但人類行為并不是這樣運作的。"

根據Jorke對健康教練的訪談，"采用引導式、賦權式而非指令式的方法，對用戶效果最好，尤其是剛開始接觸體育鍛煉的人。"

為了打造一款符合上述專家理念的大語言模型健康coaching應用，Jorke和同事們設計了Bloom。這款應用將設計精良、功能先進的健身應用與一個名為Beebo的大語言模型coaching智能體相結合，在應用內以一個小蜜蜂圖標呈現。

Beebo會向用戶提問，了解其目標以及已經嘗試過的方法，并給予贊美和共情回應。在獲得用戶授權后，Beebo還會為用戶制定每周鍛煉計劃并添加至日歷，用戶可通過聊天界面輕松修改計劃內容。

斯坦福大學計算機科學系副教授、相關論文的資深共同作者Emma Brunskill表示："這款應用將人的自主性和行為改變置于核心位置，幫助用戶識別并實現自己的目標。"該論文榮獲2026年ACM CHI人機交互系統會議最佳論文獎。

Bloom應用包含與AI教練的文字聊天功能，以及健身計劃和進度追蹤。

研究發現，能夠使用大語言模型coaching功能的用戶，其身體活動量的提升幅度與僅使用無大語言模型版本應用的用戶大體相當，但前者的思維方式發生了顯著轉變。Jorke說："人們開始意識到，體育鍛煉是自己能夠做到的事，對身體有益，而且能讓自己感覺更好。"

隨著越來越多的人開始借助大語言模型尋求健康以外各類領域的建議，Jorke和同事們的研究成果提供了一條新的發展路徑。"我們在構建這款健康教練的過程中總結出的設計策略，可以推廣應用到任何幫助用戶厘清自身需求的AI顧問產品開發中。"

從以人為本出發的設計理念

具有人機交互（HCI）背景的研究人員，如Jorke及其合作者、斯坦福人本AI研究院院長James Landay，始終將深入理解真實用戶的需求作為出發點。因此，團隊構建大語言模型教練的第一步，是訪談12位健康領域專家和10位潛在健康應用用戶，探討什么樣的大語言模型教練才是真正有幫助的。由此形成了Beebo的幾項核心設計原則：采用引導式方法，讓用戶主動掌控自身健康；根據用戶的獨特情況提供個性化建議；以及使用不帶評判、充滿支持性的語氣。

團隊還將Beebo的設計與斯坦福Active Choices方案相結合。該方案由斯坦福醫學院Abby C. King及其同事開發，已被證實能有效幫助各年齡段、各體能水平的人提升運動積極性。方案的關鍵第一步是初始訪談，在這一環節，咨詢師會收集用戶的長期目標、過往經歷、障礙因素及可用資源等相關信息。Bloom在引導用戶入門的對話中，采用了一種名為"動機訪談"的方法——通過特定的訪談方式，幫助用戶發掘自身動力，從而深入了解用戶的目標與局限。

然而，將這套方法遷移到AI教練上，并非簡單地提示一個通用大語言模型來完成初始訪談就能實現。"那種方式行不通，"Jorke說，"模型容易跑題，非常容易給出未經請求的建議，還會對用戶的身份和需求做出預設判斷。"

團隊沒有收集大量入門對話數據來微調大語言模型，而是通過不同的提示詞方式進行嘗試，探索能否引導模型以動機訪談的風格覆蓋所需話題。

他們最終采用的方法依賴兩條提示詞鏈。第一條是對話狀態提示詞鏈，確保大語言模型在推進到下一個話題之前，充分涵蓋斯坦福Active Choices的每個議題。第二條則通過兩步流程強化動機訪談原則：一個AI智能體從11個選項中選取合適的對話策略（如提出開放性問題或給予簡單回應），另一個智能體再根據該策略生成實際回復內容。

"大語言模型需要這種額外的結構性支撐，才能按照我們期望的方式運用動機訪談，"Jorke說。Beebo還配備了安全過濾機制，防止產生負面反饋或不當體型評論等有害內容。

四周實地研究的發現

在一項為期四周的實地研究中，54名受試者中約一半被要求使用去除了所有大語言模型功能的Bloom應用版本作為對照組，另一半則作為實驗組使用帶有Beebo功能的完整版本。

Jorke表示，對照組的應用版本已經達到市面上大多數健康應用的水準。用戶可以設定目標、規劃每周活動、接收提醒，并在精心設計的主屏幕上以花朵生長的形式直觀看到目標完成進度。

實驗組使用的Bloom在此基礎上提供了更多功能。首先是入門訪談，讓Beebo深入了解用戶情況。此后，Beebo會主動提出與用戶共同制定鍛煉計劃，將其加入用戶日歷，并設置提醒和通知。Beebo還會通過聊天方式定期跟進，了解用戶近況，給予鼓勵，并按需制定新計劃。這些計劃靈活可調：用戶可以在Beebo的聊天界面中申請調整，無論是日程有變、天氣不佳還是身體不適，都可以隨時修改。

"我們特別想研究的是，非指令式的大語言模型能在一款高質量健康應用的基礎上帶來什么額外價值，"Jorke說，"結果令人意想不到——不是更多的運動量，而是思維方式的轉變。"

在調查中，Beebo用戶表示對自身活動水平的滿意度提升，并越來越相信自己的活動量已經足夠且對身體有益，這通常能進一步激發人們持續運動的意愿。部分用戶反映，Beebo幫助他們意識到，就連園藝或在廚房里走動也可以算作運動步數。還有用戶表示，Beebo的支持讓他們感到被個人化對待，將每天收到的消息視為晨間閑聊的邀請。

"隨著時間推移，Beebo慢慢幫助他們認識到，自己是有能力的，運動是有益的，也沒有那么難，"Jorke說。

Landay指出，基準應用中的一些功能，例如環境感知顯示，已在其團隊此前的研究中被證實具有顯著效果，但在市面上的商業應用中仍屬罕見。"將這些功能納入基準版本，意味著大語言模型版Bloom要超越它其實相當困難。因此，實驗組取得的積極結果頗具參考價值，"他說。

未來展望

Jorke認為Bloom在睡眠管理、營養指導或生活coaching等領域具有廣闊的應用潛力，但他也坦承，這需要研究人員在專家指導下，針對不同場景開發相應的對話狀態提示詞鏈，以確保入門對話不偏離主題。

"我們需要探索更簡便的提示或微調方式，讓模型在有策略地收集相關信息與主動提供建議和推薦之間找到更好的平衡，"他說。

Jorke還思考著，Beebo可愛的形象是否也在一定程度上助力了應用的吸引力。研究人員對于AI智能體的擬人化程度向來持審慎態度，擔憂用戶會與之建立不當的情感依賴。但Jorke注意到，用戶并沒有向Beebo尋求醫療建議或日常閑聊，也沒有將其描述為自己的新朋友。這或許是因為Beebo呈現為一個小生物而非人形形象，且其教練角色定位明確。"我們為這些聊天機器人選擇的隱喻，以及我們向用戶傳達其功能邊界的方式，實際上可能會全面提升用戶的交互體驗，"他說。

盡管承認Bloom目前仍是一款研究原型，團隊計劃在不久的將來向公眾開放。從那些了解Bloom的人的反饋來看，市場需求顯然是存在的。

"我認為這個項目觸及了一種深層需求，"Brunskill說，"每個人都知道運動很重要，人們也希望更加積極地活動，但同時又要應對繁多的時間需求。Bloom試圖以一種以人的自主性為核心的方式來解決這一問題。"

Q&A

Q1：Bloom健康coaching應用與普通健康應用有什么區別？

A：普通健康應用通常采用指令式方法，根據用戶數據直接開具訓練計劃。而Bloom內置的大語言模型智能體Beebo采用引導式、非指令式的動機訪談方法，通過了解用戶的目標、過往經歷和障礙，幫助用戶挖掘自身動力，讓用戶主動掌控自己的健康計劃，而非被動執行系統推送的建議。

Q2：Bloom的研究結果顯示，使用Beebo后用戶運動量會明顯增加嗎？

A：不完全是。研究發現，使用Beebo的用戶與使用無大語言模型版本的用戶相比，運動量提升幅度大體相當，但最顯著的變化在于思維方式的轉變。Beebo用戶對自身活動水平滿意度提升，開始相信運動是自己能做到的事，并認識到日?；顒樱ㄈ鐖@藝、在廚房走動）也可以算作有效運動，從而更愿意長期堅持運動習慣。

Q3：Bloom應用是如何讓大語言模型遵循動機訪談原則的？

A：研究團隊設計了兩條提示詞鏈來實現這一目標。第一條是對話狀態提示詞鏈，確保大語言模型系統地覆蓋斯坦福Active Choices方案的每個議題。第二條通過兩步流程強化動機訪談原則：一個AI智能體從11種對話策略中選擇合適的方式，另一個智能體據此生成具體回復。此外，Beebo還配備了安全過濾機制，防止產生負面或不當內容。