当AI遇上医疗，记忆与学习能力成为破局关键。开源框架Hermes Agent通过持久化记忆、技能自生成和跨平台连接等特性，正在重新定义AI助手的可能性。本文从糖尿病管理场景切入，深度剖析AI Agent在医疗领域落地的技术优势与合规挑战，并提出了基于家庭系统理论的创新视角，为医疗AI产品设计提供了全新思考维度。

年初我离开了一家做大模型的公司。在那之前我做了将近两年的AI产品——RAG系统、AI语言学习应用、PPT生成评估，听起来跨度很大，但做下来有一个感受越来越强烈：我们做的这些AI产品，最大的问题不是模型不够聪明，而是它不认识你。

每次打开一个新会话，它都是一张白纸。你得重新自我介绍，重新交代背景，重新解释你要什么。写文章、翻译东西的时候这没什么，但我一直在想一个问题——如果有一天我们要把AI放进医疗场景里呢？

我本科学的护理，后来读了音乐治疗——这个专业横跨心理学、医学和音乐，听起来很杂，但它让我养成了一个习惯：看任何问题都会先想”人”的因素。后来转行做AI产品，这个习惯一直跟着我。所以当我今年看到Hermes Agent这个项目的时候，第一反应不是”这技术真酷”，而是”如果把它放到家人身上，放到管理她的高血压上，会怎样”。

先说清楚Hermes Agent是个什么东西

简单讲，Hermes Agent是Nous Research今年推出的一个开源AI Agent框架。Nous Research是一个从Discord社区起步的AI实验室，之前以开源模型出名，Hermes Agent是他们在Agent方向的核心产品。

它和我们平时用的ChatGPT、Claude最大的区别在哪？三个字：有记忆。

不是那种”上下文窗口里还留着你上一条消息”的记忆，而是真正的持久化记忆。它在你的服务器上持续运行，用两个Markdown文件分别记录环境信息和你的个人偏好，所有历史对话存在SQLite数据库里，支持全文检索。你三个月前跟它说的话，它能翻出来。

第二个差别是它会”长技能”。完成一个复杂任务之后，它可以把成功的方法抽象成一个Skill文档存下来。下次碰到类似的事，它不用从头推理，直接调这个Skill。而且如果后来发现了更好的方法，Skill会自己迭代。这个机制Nous Research叫”学习闭环”。

第三个差别是它能同时挂在微信、Telegram、飞书、企业微信、Slack等十几个平台上。你在微信跟它说的事，切到飞书上它也知道。

最后，它不挑模型。接GPT可以，接Claude可以，接国产的Qwen也可以，甚至自己本地跑一个开源模型也行。一条命令切换，不用改代码。

用一个可能不太恰当的比喻：我们现在用的AI助手像一次性纸杯，用完就扔；Hermes Agent更像是一个你养在服务器上的数字员工，它会记事、会学习、会主动找你。

如果把它放到糖尿病管理里

想象一个场景。一个2型糖尿病患者，50多岁，在三甲医院内分泌科定期随访。每次复诊大概十分钟，其中至少三到四分钟花在”信息同步”上：医生翻病历，患者回忆上次吃的什么药、这几个月血糖怎么样、有没有出过低血糖。这些信息散在不同医院的系统里、在患者自己的血糖仪里、在他跟家属的口头描述里。

如果这个患者有一个Hermes Agent在后台跑着，情况会不一样。

它可以持续记录患者的用药方案和每次自测的血糖数据。不是被动地等你输入，而是每天早上8点微信提醒你”该测餐前血糖了”，你回复一个数字，它就记下来了。到了周五，它自动生成一份本周血糖波动摘要。如果连续三天空腹血糖都在8以上，它会主动给你发一条预警。到复诊前一天，它把最近三个月的关键数据——糖化血红蛋白趋势、用药变化、异常事件——整理成一页摘要，医生扫一眼就能进入正题。

这个流程的核心价值不是AI多聪明，而是它”一直在”。糖尿病管理最大的难题不是不知道怎么治——临床指南写得清清楚楚——而是在漫长的日常里，患者和医生之间的信息链条会断掉。Hermes Agent的持久记忆和定时自动化能力，恰好能把这条链子接上。

还有一个我觉得特别有意思的能力——技能自生成。假设一个社区卫生中心的全科医生用这个Agent辅助管理了几十个高血压合并糖尿病的患者。Agent可以从这些实际案例中提炼出一些模式：什么样的患者用ACEI效果更好、什么时候需要考虑换ARB、肾功能下降到什么程度要调药。这些不是教科书上的标准答案，而是从真实场景里”长出来”的实践经验。

对基层医生来说，这种积累是很有价值的。他们面对的患者情况复杂，但能获取的专家资源有限。一个能帮他们把经验沉淀下来的AI辅助，比一个只能查指南的搜索框有用得多。

但事情没那么简单

如果写到这里就停下来，这篇文章就变成了一篇PR稿。现实远没有这么美好。作为一个做过医疗AI相关项目的人，我知道从”技术上能做”到”产品上能用”之间隔着多远。

第一个大问题是数据安全。

Hermes的记忆系统目前就是SQLite加Markdown文件，存在你自己的服务器上。没有加密，没有审计日志，没有访问权限控制。拿来管理自己的工作笔记没问题——你自己的数据你自己负责。但如果存的是患者的血糖数据、用药记录、甚至AI推断出来的”这个患者用药依从性差”这样的标签呢？

中国的《个人信息保护法》把健康信息列为敏感个人信息，处理需要单独同意。《数据安全法》对医疗数据的跨境传输有明确限制。如果这个产品要出海，HIPAA和GDPR还有一套更细致的要求。光是合规这一项，就不是在开源框架上加几行代码能解决的。

而且Hermes有一个特殊的地方——它的记忆是”学习型”的。它不只存储你直接告诉它的数据，还会从交互中推断信息、构建用户模型。当这种推断涉及患者的心理状态、生活习惯的时候，推断出来的东西算不算敏感个人信息？说实话，现行法律框架下这是一个灰色地带。

第二个问题更让我担心：技能自生成的可靠性。

在写代码的场景里，一个Skill对不对很容易验证——跑一下就知道。在医疗场景里呢？一个从50个案例中抽象出来的用药模式，在循证医学的标准下只能算是”临床观察”，连”弱证据”都够不上。它可能有选择偏倚，可能遗漏了关键的禁忌条件。如果一个关于二甲双胍的Skill没有提到eGFR低于30要停药，后果是什么？是乳酸酸中毒。这不是理论上的风险。

Hermes目前的Skill生成流程里没有人工审核环节，也没有和临床指南交叉验证的机制。这在效率工具领域可以后续迭代，在医疗领域不行——你不能拿患者的安全来做A/B测试。

我后来想了很久，觉得如果要在医疗里用这个能力，可能得换一个定位：不要把Agent生成的Skill当”知识”，要当”假说”。标记清楚这只是从实践中观察到的模式，必须经过专业人员审核和指南比对之后才能进入决策链路。某种意义上，Agent在这里的角色不是给答案，而是帮你发现值得验证的问题。这个定位反而可能更有长期价值。

第三个问题是LLM本身的幻觉。不管Hermes接什么模型，这个问题都存在。在医疗场景里它特别危险，因为幻觉往往不是”明显地胡说八道”——它会生成一段措辞专业、逻辑通顺、格式规范的用药建议，但剂量错了。这种高置信度的错误比一眼就看出来的错误更可怕。RAG可以缓解但不能消除，最终还是得靠产品设计来兜底——关键决策必须有人确认。

一个不太”主流”的想法

以上这些分析，做过医疗AI的人大概都能想到。但有一个角度，是我从自己的专业背景里带出来的，我觉得值得说一说。

几乎所有的医疗AI产品都在模拟”医生—患者”这个二元关系。AI扮演医生的助手，或者直接面向患者做健康问答。但如果你真的在慢病管理的现场待过——哪怕只是陪自己的家人看过几次糖尿病门诊——你会发现，慢病管理从来不是一个人的事。

谁做饭？家里的饮食能不能跟着改？老人觉得”吃太清淡没力气”怎么办？患者自己想运动，但下班要接孩子根本没时间。需要打胰岛素的老年患者，经常得靠子女帮忙盯着。

我在读音乐治疗的时候接触过家庭系统理论——Minuchin那一套结构式家庭治疗的框架。核心观点是：症状不属于个体，属于系统。一个人的问题嵌在他的关系网络里。当时觉得这个视角很有说服力但有点抽象，后来做AI产品的时候越想越觉得它点到了一个被技术圈彻底忽视的东西。

慢病管理的最小单元不是”患者”，是”患者所在的家庭”。疾病嵌在关系里，管理也嵌在关系里。一个只面对患者个人的AI助手，注定只能解决一部分问题。

有意思的是，Hermes的架构在技术上其实已经有了支撑这种视角的雏形。它的用户建模可以为同一个家庭的不同成员分别画像；它的多平台网关可以让Agent通过不同渠道跟不同家庭成员交互——给患者发用药提醒，给做饭的家属推低糖食谱，给外地的子女发每周健康摘要。它不是在做”AI医生”，更像是在做一个”AI家庭健康协调员”。

当然，这个方向也会打开一堆新的隐私问题——家庭成员之间的健康信息该共享到什么程度？患者有没有权利不让Agent告诉子女自己偷吃了蛋糕？这些问题没有现成的答案。但我觉得它们值得被正式讨论，而不是在产品设计中被默认跳过。

如果真要做，我会怎么切

说了这么多，落到产品策略上其实就一句话：先做安全的事，再做有想象力的事。

第一步切行政侧——用药提醒、血糖记录归集、随访触发、复诊前数据摘要。这些场景充分利用了持久记忆和定时自动化，但完全不涉及临床决策，不需要NMPA审批，合规风险可控。核心目标不是解决医学问题，是建立信任。让医生和患者习惯身边有一个”记得住事”的AI。

第二步在信任建立之后，加入有监督的知识辅助——指标趋势分析、风险提示、参考方案。所有建议标注来源，标记为”参考”而非”指令”，关键决策必须医生确认。Skill自生成可以开，但用”假说模式”跑——生成的模式标注为待验证，走审核流程。

第三步，如果前两步验证了信任和合规基建，再探索家庭系统模式。这一步需要更大的勇气和更精细的产品设计，但如果做对了，可能定义一个新品类。

写在最后

Hermes Agent不是医疗产品，短期内也不会是。但它提出了一个值得医疗AI从业者认真思考的架构方向：有状态、可学习、跨平台、能主动行动的Agent。

这些能力单拎出来看都不新鲜——电子病历系统有持久化，CDSS有知识库，患者管理软件有提醒功能。但它们从来没有被整合在一个统一的Agent框架里、以一种自然对话的方式交付给用户。Hermes的意义不在于发明了什么新技术，而在于它用一个完整的架构让”有状态的AI助手”这件事变得具体可感了。

在医疗领域做产品的人，大概都会在兴奋和谨慎之间反复横跳。我也一样。写这篇文章不是为了推销什么，而是想把自己在技术和医疗交叉点上看到的可能性和问题记下来。技术框架提供可能性，但只有对场景和对人足够理解的人，才能把可能性变成真正有用的东西。

做医疗AI的人需要一种特殊的耐心——对合规的耐心，对验证的耐心，对信任积累的耐心。急不得。但方向是清楚的。