任何姿態模型都會在膝蓋塌陷時記下 15 次良好深蹲。我打造會抓住第 9 次的 AI。

我做出這個示範的第一版，是為了證明姿態模型能數深蹲次數；一天之內，我卻證明了錯誤的事。我餵給它一位名為 Maria 的合成 ACL 術後患者：62 歲、膝關節重建後第八週、處方十五次徒手深蹲。免費姿態函式庫做了免費姿態函式庫會做的事。它記錄了十五次，全部計入，然後繼續。十五次裡十五次。一場乾淨的訓練。

問題出在第 9 次。第 9 次時，Maria 的膝蓋向內塌陷，她放慢速度來代償——這正是物理治療師在 ACL 重建後會盯著看的動作，因為那是人們再次撕裂移植物的方式。姿態模型看到的是一次深蹲。它沒有看到再受傷風險，因為那不是姿態模型該做的事。它本該標記的那一次，正是它計入的那一次。

就在那一刻，真正的產品對我變得清晰。我一直把姿態估計當成難關。它已不再是難關。它是免費的。

姿態估計是免費的，所以我不再試著與之競爭

第一週我試著打造更好的關鍵點追蹤器，那是整個專案最浪費的一週。BlazePose 與 MoveNet 早已能在手機上以每秒 30 幀運作，免費給你 33 個關鍵點的骨架。每個 PT 平台與企業健康應用早已具備這套能力，或明天就能接入。在那裡競爭，等於搶著白送別人已經在白送的東西。

沒有人會白送給你的是關鍵點之後的那一層。把原始姿態串流轉成臨床醫師能據以行動、付款方願意報銷的東西。那正是我決定讓 Kinetiq 端到端打造的一層，而我反覆回到的論點是這個。

姿態估計是免費的。價值在其之上的大腦，以及可計費的證明。

於是我丟掉了追蹤器，改為打造詮釋引擎。它接收關鍵點串流（三名測試患者使用合成資料；第四名則從真實拍攝的深蹲片段離線擷取，以證明管線能跑在真實畫面），以 1-Euro 濾波器平滑、依信心度閘控、以時間自相似性切分次數，並計算臨床醫師真正會推理的特徵：關節角度與活動範圍、膝外翻指數、下降對上升的節奏比、以 Log Dimensionless Jerk 衡量的動作平滑度，以及左右對稱指數。純粹、有單元測試的 NumPy。評分路徑裡沒有模型。你可以打造整套系統於veriprajna.com/zh-Hant/demos/ai-biomechanics-exercise-verification，並觀看它評分一場訓練。

當我把 Maria 再跑過這個引擎，第 9 次回來的結果，才是第一次就該有的樣子。

引擎不只說「不良次數」。它寫出自己檢查過的條款：外翻 0.054 達到或超過 0.03，節奏 1.4 高於 1.25。臨床醫師可以據此交叉詰問。你無法交叉詰問黑箱，而在 ACL 手術之後，你非常想要這麼做。

我曾想造假的那一次

我清楚記得自己何時起了貪念，就是第 12 次。Maria 那次訓練的第 12 次，髖部關鍵點掉到可見度閘控以下。該關節的追蹤器信心低到不可信。有幾幀，引擎根本不知道她的髖在哪裡。

誘人的做法——能讓基準看起來更好的做法——是插值。從前後幀猜測髖的位置，照樣算角度、評分這一次，讓數字保持乾淨。我寫過那種插值。它有效。然後我讀了單目準確度文獻，並刪掉了它。

單鏡頭膝角度誤差的平均絕對誤差落在 9.3 到 21.9 度（Nature Scientific Reports，2025）。那是這類測量誠實的上限。若我在低信心幀上捏造髖位置，再據此報告關節角度，我就不是在量測膝蓋，而是在產生看起來可信的數字並稱之為臨床數據。對一家名為 Veriprajna——意為真實智慧——的公司來說，那不是兩可的抉擇。

於是引擎棄權。它在畫面上說：「該次未評分，髖不可見。」它把骨架變灰。它不裝懂。

我們從不依低信心關鍵點猜測關節角度。

我把那句話放上畫面，因為我希望紀律可見，而不是埋在設定檔裡。在我標註集中被遮擋的次數裡，三之三棄權、零角度被捏造——那不是我主張的說法，而是有單元測試的不變量。被遮擋的次數若仍被評分，依定義就是捏造角度。測試會抓到它。拒絕回答是一項功能，我得與自己的本能對抗才能守住。

為什麼同一次深蹲，對這位患者合格，對下一位卻不合格？

我幾乎要出貨單一全域門檻，一位物理治療師看了早期版本，大約三十秒就勸退了我。她的重點很簡單。ACL 術後八週的女性做出 80 度深蹲是好進展。同一位健康的 30 歲保健客戶做出同樣 80 度深蹲，則是偷懶的一次。若你的引擎給他們相同分數，它不懂復健，只懂幾何。

於是規則引擎變成族群自適應。門檻依患者檔案而定：年齡帶、病況、復原週次。Maria，ACL 術後第 8 週，屈曲目標 75 度。Jordan，30 歲企業健康運動員、膝蓋健康，則是 95 度。我在示範裡加了控制項，讓重點無可辯駁：切換檔案下拉選單，保持完全相同的動作，看判定如何改變。

第一次我在別人面前切換那個下拉選單，整欄判定在動作沒變的情況下全部改寫，我看著他們懂了。同一動作依檔案得到不同判定，那是臨床判斷，不是錯誤。 這也是論點中不會過時的部分。當姿態估計變得完美——它會的——感測器仍無法告訴你：80 度對正在癒合的膝蓋是一回事，對健康膝蓋是另一回事。那種理解活在上方那一層。

代理給建議，程式碼做決定

我確實讓一個 AI 代理讓我丟臉過一次，而這就是架構長成現在這樣的原因。我向每個人提案時，他們都想要當紅能力：讀取訓練並撰寫臨床紀錄的代理、觀察趨勢並升級通報的代理。沒問題。我為另一位患者 Eleanor——70 歲、膝關節置換術後、活動範圍在訓練史中悄悄下降——接上了 Clinical Scribe 與 Longitudinal Monitor。

書記寫出的初稿流暢又自信，卻含有證據中不存在的活動範圍數字。它四捨五入、平滑，或乾脆發明了一個讀起來不錯的數字。若我信任它，就會出貨一份含有捏造測量的臨床紀錄。那正是把語言模型放進醫療迴路的完整失敗模式，而我剛在自己的螢幕上看著它發生。

修正方式是讓代理在結構上無法這麼做。代理引入的每個數字都對照決定性證據檢查。任何不在引擎輸出中的數字都會被拒絕，改為顯示決定性範本。沒有 API 金鑰時，兩個代理完全棄權。它們詮釋、它們溝通。它們不做決定。

代理給建議，程式碼做決定。

那句話是整個示範的承重設計決策。信任核心——每一次判定與計費決定——是純粹且經單元測試的程式碼，附近沒有語言模型。代理坐在上方，受界線約束並經 grounding-checked，做它們真正擅長的一件事：把已驗證數字變成臨床醫師可用的散文。一旦代理對判定擁有一票，你就失去了整件事本來要追求的可稽核性。

付款方真正報銷的是收據，不是次數計數

我打造這一切的商業理由，是讀 CMS 計費規則時學到的事——那不是我預期會花一個月去做的事。臨床醫師可依 CPT 98975-98981 計費遠距治療監測（Remote Therapeutic Monitoring），加上 2026 代碼 98979 與 98985，且 2026 合格門檻降到少至 2 天與 10 分鐘資料（Veriprajna WP29 研究，2026）。但 CMS 不報銷原始座標。它要求與治療決策綁定的裝置蒐集資料。一堆關鍵點不可計費。一份有文件、可稽核的判定才可以。

那道落差不小，因為底層問題也不小。PT 居家運動遵從率約在 35%，且 65% 患者在第一個月內放棄計畫（Veriprajna WP29 研究，2026）。自我報告會高估遵從，因此臨床醫師常常依自己無法信任的資料計費與治療。在雇主端，肌肉骨骼疾患每年每名員工大約花費 3,591 美元，估計 36% 的 MSK 手術被視為不必要（900 億美元），超過一半員工因隱私抗拒分享健康資料（Veriprajna WP29 研究，2026）。已驗證、隱私安全、可計費的運動資料，正是這條鏈上每個人都缺少的東西。

因此引擎對每場訓練最後做的事是判定：可計費、需臨床醫師審查，或裝置資料不足，並匯出 FHIR 形狀的訓練報告。逐次觀察、每次檢查過的門檻條款、訓練彙總、RTM 判定，以及 CMS 要求的文件欄位。我說 FHIR 形狀，從不說 FHIR 驗證，因為它是鏡射 Observation 與 DocumentReference 欄位形狀的結構化 JSON，不是提交到即時 EHR 的負載。我發出它。我不假裝 POST 它。

Maria 那次訓練帶著第 9 次外翻旗標，不會自動計費。它先路由給臨床醫師，因為再受傷訊號在成為費用之前，該由人看見。那是我一直堅持的誠實分寸：可計費並不代表一切都好，而是指記錄得足以站得住腳。

面板上的數字是我在意的那些，我要精確說明其範圍。此處的真實標籤，是由植入的物理參數對檔案門檻所蘊含的判定——獨立於引擎計算——然後在標籤固定後，再把次數渲染成加上測量雜訊的關鍵點，因此引擎必須穿過雜訊找回判定。在該集合上，25 個清楚案例一致率 100%，約在門檻一個標準差內的 10 個臨界案例一致率亦 100%。那是標註合成集上的判別結果，不是開放世界保證，而臨界案例正是在天真門檻下會翻轉的那些，這正是我分開報告它們的原因。這些是耐久指標：任務準確度、自動化吞吐量，以及誠實。它們不會在姿態模型進步時過時，因為其中沒有一項是姿態模型錯誤率。

留給我的問題

我進來時以為自己在做電腦視覺產品，結束時卻確信我做的是問責產品——碰巧從攝影機開始。有趣的工作從來不是取得關鍵點。而是決定系統被允許主張什麼、何時必須棄權、適用誰的門檻，以及臨床醫師能用執照擔保什麼。若你想看引擎為塌陷的膝蓋評分、拒絕被遮擋的次數，並匯出收據，它在無金鑰狀態下執行於veriprajna.com/zh-Hant/demos/ai-biomechanics-exercise-verification。

若你寧願看它運轉，而不是讀我描述，這裡是整套端到端執行。

我反覆琢磨、也真心希望其他打造者與我爭論的問題是這個。當感測器漸近完美，誘惑會是讓模型決定更多，因為它幾乎不會錯。但「幾乎不錯」正是捏造數字傷害最大的條件，因為你已停止檢查。那麼，在你自己的系統裡，你拒絕讓模型跨越的那條線在哪，你能否指出強制執行它的程式碼？