摘  要：目的：久坐行为已成为工作与学习中的健康行为问题。数字化工具可提供活动提醒与健康指导，但现有干预在个体适配、持续反馈及久坐行为改善方面仍存在不足。本文梳理大语言模型参与久坐行为干预的研究依据，探讨其在久坐识别、活动建议生成和动态反馈中的应用路径。方法：采用文献梳理与理论分析相结合的方法，围绕久坐行为的健康影响、数字健康干预、聊天机器人运动干预及大语言模型辅助身体活动促进等主题，对系统综述、Meta分析及应用研究进行归纳，并据此构建应用路径。本文属于理论探讨，不涉及自行开展的受试者实验，亦不报告未经验证的干预效果。结果：现有研究表明，久坐行为与身体活动不足虽有联系，但属于不同的行为维度，单纯增加身体活动并不必然同步减少久坐时间。针对办公人群的计算机提示干预Meta分析显示，提示干预可减少工作时段坐姿时间并增加工作时段步数，但对全天久坐时间的改善尚不明确。针对聊天机器人运动干预的Meta分析发现，其对身体活动具有小幅促进作用，但尚未证实能够显著减少久坐行为。近期ChatGPT身体活动聊天机器人综述指出，大语言模型可通过检索增强生成、提示词设计及专家示例优化个性化指导，但仍需关注建议准确性、安全性、隐私保护与行为改变效果评价。基于上述证据，本文提出由“行为识别—情境化建议—过程监测—动态反馈—专业审核”构成的五环节应用路径：首先，结合可穿戴设备、手机或电脑端记录及简短自评，识别久坐时长、连续久坐片段、活动时段与个体工作学习情境；其次，将经核验的公共健康指南、运动安全规则和行为改变策略作为知识依据，由大语言模型生成适配场景的短时活动建议，如站立、步行、伸展或简易活动任务；再次，依据实际执行记录、主观疲劳和可行性反馈调整提醒时机、活动形式与任务难度，避免机械、过度频繁的提醒；最后，由运动健康专业人员审核高风险情形及模型输出，并通过坐姿时间、久坐中断次数、步数和中高强度身体活动等指标分别评价干预效果。结论：大语言模型有望提升久坐行为干预的情境适配性、交互性和反馈连续性，但目前证据尚不足以证明其能够独立、持续地减少久坐行为。未来应开展对照研究，区分久坐时间减少与身体活动增加两类结局，采用设备客观测量与主观报告相结合的评价方式，并检验干预依从性、长期维持效果及不同场景下的适用性。大语言模型应定位为辅助支持工具，不能替代专业人员的健康风险评估和运动指导。