主要快速发展的语言模型（LLMs）推动了健康领域的变革。当前的LLMs可以支持各种临床任务，例如医学文档、诊断、决策支持和药物发现，以及消费者健康工具，包括虚拟健康助手、症状检查器、数字教练和顾问，以及临床检查对话。可穿戴设备增加了持续的活动、睡眠、心率变异性和其他生理信号，为健康支持提供了纵向背景。最近的系统将这些数据连接到LLMs，但数值时间序列推理仍然不可靠。以前的系统要么仅涵盖狭窄的健身或睡眠问题，而没有深入的数值分析，要么解决更广泛的数值查询而不评估健康专业知识和互动教练。一个全面的系统必须结合这些能力，同时保持一致的互动。基于这些多方面的发展以及个人健康旅程的综合性质，我们设想智能个人健康代理的时代即将到来。个人对日常健康和幸福支持的需求高度多样化。我们采用了以用户为中心的设计过程，涵盖了最终用户查询和讨论、调查以及专家研讨会，以覆盖一般健康、健身和医疗主题。分析确定了四类需求：（1）一般健康知识，（2）个人数据解释，（3）健康建议，以及（4）健康症状。这些类别需要不同的能力。个人数据问题要求数值精确和代码执行；教练需要开放式、富有同情心的对话；知识或症状问题需要事实基础。我们的实验确认了单一的LLM架构难以平衡这些竞争目标。因此，我们采用了模块化的多代理架构，解耦这些技术要求，同时通过协调和综合单个子代理的过程来保持一致的用户体验。三个专家处理这些要求。数据科学代理（DS代理）将个人和人口水平的时间序列转化为定量分析，例如估计跑步表现的变化。领域专家代理（DE代理）解释可穿戴设备数据、健康知识和现有医疗记录（在本研究中，由于协议级别的数据访问限制，医疗记录仅限于血液测试结果；未来的工作可以将电子健康记录与其他模式整合），例如，通过为生物标志物值提供背景。健康教练代理（HC代理）应用基于证据的策略，例如动机访谈，以支持设定目标、识别障碍并指导行为改变。由于许多请求跨越这些角色，我们借鉴了多代理协作策略，例如投票、迭代、辩论和分层团队形成，构建了多代理个人健康代理（PHA），并配备一个协调者来分配工作并综合代理的输出。值得注意的是，PHA并非旨在取代人类健康提供者，而是探索消费者赋权的技术前沿，设想一个统一的代理如何提供更全面、可行的健康洞察。我们开发了一个全面的评估框架，映射到通过用户中心分析确定的能力。我们基准测试了DS代理在生成稳健分析计划和代码的能力、DE代理在事实性和基于证据推理能力以及HC代理通过用户研究的教练有效性。然后，我们通过反映不同健康场景的开放式多模式对话评估了集成PHA系统。在11个基准任务中，评估包括超过7,000个人工注释和1,350小时的努力（651小时的终端用户时间和699小时的专家时间），验证了每个专业子代理的优势，并展示了我们集成多代理健康代理的前景。在结合模块化多代理架构、能力匹配评估框架和开源代理实现的基础上，这项工作建立了一个可重复的基础，用于开发