昨天，我們的 ChatBot 已經能跟我們互動、回應粉絲的問題。
不過實測卻發現，它的記憶力有限，上一秒才剛聊過它下一秒就忘了。

探險者：這兩處(ie.國家公園)主要的差異是？
ChatBot 卻回應完全不相干的猴廟及杜巴廣場...

今天，我們要讓 ChatBot 從被動回覆進化為主動互動，向智慧助手邁進。讓它更聰明、更實用、更懂得看眼色——不只是答題，更能記住聊天的紀錄、洞察字裡行間的情緒，避免它變成小白目一個。

今天的冒險挑戰

• 多輪對話記憶

透過 conversation_history 、emotion_log 為它加上記憶功能，記錄每輪使用者的問題與 ChatBot 的回覆，讓 ChatBot 能基於上下文調整回覆，對話更自然，也方便後續個性化優化。

• 情緒細分類

將原本正/中/負加上更精細的情緒粒度，進化成：興奮、滿意、中立、失望、生氣。使用對多語系、長文本更友好的 nlptown/bert-base-multilingual-uncased-sentiment 模型，洞察使用者心情

小技巧：情緒分析環節容易爆token，不小心就超過模型上限，可以透過 長文本切段 或限制 pipeline 的最大 token 來解。

emotion_analyzer = pipeline(
    "sentiment-analysis",
    model="nlptown/bert-base-multilingual-uncased-sentiment",
    truncation=True,    # 自動截斷超過模型最大 token 的文本 
    max_length=512,     # 指定最大 token 長度
)

def analyze_emotion(text):
    """分析文字情緒，回傳標籤與信心值"""
    result = emotion_analyzer(text[:2000])[0]  # 避免極長文本，截取前2000字
    return result['label'], result['score']

每次對話 ChatBot 都會記錄使用者心情，計算累計的情緒趨勢並視覺化，並提供信心值作為判斷準則參考。

🧠 回覆情緒：4 stars（信心值 0.335）
📊 當前情緒趨勢： {'5 stars': 5, '4 stars': 8}

成果呈現

探險者詢問：剛聊到哪呢？
ChatBot 可以馬上承接話題：
我們上次主要聊到了兩個尼泊爾非常值得一訪的景點，都建議您可以列入「必訪清單」

將情緒紀錄畫成折線圖，觀察使用者互動情緒變化。

今天解鎖的新技能：

🍄 多輪對話記憶：理解上下文，對話更自然。
🍄 情緒細分類與趨勢觀察：分析使用者心情，生成折線圖。

📓 小結：

我們今天讓 ChatBot 能夠記住對話歷史、理解情緒、承接上下文，從單純的「回答問題」進化成初步的「智慧互動助手」。不過，它現在仍侷限在內部測試環境，還沒真正面對外部使用者。

下一步，我們的挑戰是：把 ChatBot 帶到對外聊天介面，讓粉絲可以透過熟悉的平台直接互動，與 ChatBot 即時對話、提問、獲得建議，真正體驗「互動式資料夥伴」的魔法。