昨天的版本已經能讓AI同時做出摘要、翻譯與回答問題，而且使用者可以自己輸入文章與問題，這代表這個小專案的主要功能已經完整實現。

但在實際測試時我發現一件事：每次詢問都是一次性的。
也就是說，如果我想要追問前一個問題，AI其實不會記得前面的內容。
它只會根據我這次輸入的文章和問題重新思考，這樣就沒辦法做到真正的對話體驗。

為什麼會這樣？
原因在於我們目前的程式設計方式：
每次呼叫answer_question()時，模型只會看到這一次的context（文章 + 問題），
而不會保留先前的聊天紀錄。

換句話說，這是一個單輪問答系統。
如果想讓AI能記得之前的內容，就需要引入多輪對話的概念。

多輪對話是什麼？
所謂多輪對話，就是讓AI能根據之前的互動持續延伸對話內容。
例如：
我：What is AI?
AI：AI stands for Artificial Intelligence.
我：How is it used in medicine?
AI：It’s used for diagnosis, medical imaging, and drug discovery.
這裡第二個問題「How is it used in medicine?」並沒有重複提到「AI」，
但AI仍能理解上下文，這就是多輪對話的關鍵能力。

怎麼做到？
原理其實不難，只要把過去的對話內容一起傳給模型就行。
簡單的做法像這樣：

chat_history = []

while True:
    user_input = input("你：")
    chat_history.append({"role": "user", "content": user_input})

    response = model.generate(chat_history)  #模型看到完整對話歷史
    print("AI：", response)

    chat_history.append({"role": "assistant", "content": response})

這樣AI在每次生成回覆時，就能看到前面的對話內容，自然就能做到連貫的回答。
不過這也有一個問題：上下文會越來越長，模型記憶體壓力也會增加。
這時就需要一些額外技術，例如：

• 限制歷史訊息數量（只保留最近幾輪）
• 使用向量資料庫（像是RAG）來記憶重要內容

目前我的版本仍是單輪問答，但其實已經具備升級的基礎。
接下來如果要讓它更像真正的AI聊天夥伴，我就可以試著加入對話歷史的記憶機制，讓它能理解上下文、維持對話連貫性。
或許，這就是我這個AI問答小專案的下一個挑戰!