健康 · 熟练
AI 说「你的睡眠变差了」，它看了几天？
结构化 agent 会主动说数据不够，通用模型多半不说
「你的深睡比上个月少了 12 分钟」——这句话读起来像结论，但它可能只是 AI 在两天数据上算出来的。Google 2026 年 10 月发表在 Nature 的一项研究把这件事量了出来：同一个问题，普通模型只有约 5% 的情况会主动说「你的数据不足」，而配了数据专员的 agent 会说到 67%。差别不在模型多聪明，而在它有没有被要求先看数据够不够。这一页给四个提问与四条判据：先问有效天数，再问结论强度；症状只当线索；弱相关先看量级。做完你至少知道——哪句话该信，哪句话该当成待查。
方法 · 一图看懂
1
先问「有效几天」 — 不问结论，先问它实际分析了几天、剔除了哪些天、缺的天怎么处理
2
够了才谈结论，不够只要描述 — 数据不足时只让它做描述统计（均值 / 范围 / 达标天数），不给因果
3
症状只当线索 — 它给的前三个可能是待排查方向，不是诊断；要不要就医由医生定
4
相关系数先看量级 — 0.13 这类弱相关解释不到波动的一小部分，别据此改习惯
5
摘要必读一遍再采信 — 研究里约六分之一的健康摘要含潜在危害内容
原理 · 为什么有效
这类系统的失败点不在「算错」，而在在不够的数据上给出够硬的结论。研究里最干净的对照就是数据充分性：通用模型只有约 5% 的情况会指出数据缺失或不足，配了数据专员的 agent 是约 67%——它被要求先做一遍可行性检查，再决定能不能下结论。同一份数据，问法不同，得到的确定性差了一个数量级。
第二条是症状：即便最好的 agent，把正确病因排在第一位的也不到一半（约 46/100）。这不是模型不行，是症状本身的信息量就有限——所以它的输出只能是「下一步查什么」，不能是「你得了什么」。
第三条是相关性：论文举的例子是每日步数与深睡，相关 0.13，解释不到日间波动的 2%。弱相关看起来像发现，实际上什么也没说明——而这正是「让 AI 帮你找规律」最容易骗人的地方。
适用场景
适合：手上有两周以上手环 / 手表 / 手机健康记录，想让 AI 做趋势对比、达标统计、变量相关性的人；正在用设备自带的 AI 教练或每月健康摘要的人。
不太适合：① 你想让它判断「这个指标是不是病」——那是医生的事，AI 只能帮你把数据整理清楚；② 你只有一两天数据——样本不足时任何结论都是噪声，先把记录攒够再来。
自测 · 5 问
我知道上次那个结论，它是基于几天数据算出来的吗？
我问的时候，有没有说清「哪一段、共几天、缺了几天」？
它给的症状猜测，我是当成线索，还是当成了诊断？
它说「A 和 B 有关」时，我看过那个相关系数有多大吗？
那份健康摘要，我逐段读过一遍，还是只看结论那句？
怎么上手 · 验证步骤
第一步（改问法）：把「我最近睡得好吗」换成「这是我 2026-09-01 到 2026-10-20 的睡眠记录，共 50 天，缺 6 天。请先告诉我你实际能用的有效天数，再决定能不能比较前后两段」。
第二步（要三样）：让它给出 ① 有效天数与剔除规则 ② 每段各多少天 ③ 结论的强度（描述 / 相关 / 因果）。
第三步（把症状降级）：凡涉及症状，只接受「可能方向 + 该查什么」，不接受「你大概是 X」。
第四步（看量级）：凡是相关，要求它同时报出系数与「解释了多少波动」；低于 0.3 的先当噪声。
照三条自查：① 它给的每个结论，都能指回「用了哪几天」；② 我把它说的症状方向当成了待查清单，而不是诊断；③ 我看到的相关系数，都配了「解释多少」这句话。三条里有一条不成立，这一轮的数字就先不要写进健康记录。