前幾天加入 Agent 和 Tool Calling 之後，AI Companion 已經不只是回答問題，而是開始能根據情況決定下一步要做什麼。

但做到這裡，我又遇到另一個問題：

就算 Agent 做了正確的事情，也不代表適合每一個人。

例如同樣一句：

「今天要不要出去走走？」

對平常喜歡散步的人來說，可能是一個很自然的提醒；但如果使用者不喜歡被頻繁提醒，或今天已經說過膝蓋不舒服，再主動叫他出去走路就不太適合。

所以 Day 19 開始加入 Personalization Context，讓系統除了知道「要做什麼」，也開始考慮：

面對這個人，現在應該怎麼做？

Personalization 和 Memory 有什麼不同？

前面已經建立 Memory，讓 AI 可以記住使用者的資訊。

例如：

喜歡晚上散步
不喜歡太頻繁的提醒
偏好簡短回答

Memory 比較像是：

AI 記得什麼。

但不是每一筆 Memory，在每一次對話裡都需要使用。

例如使用者問：

今天晚上可以做什麼？

這時候「喜歡晚上散步」就很相關。

但如果使用者只是問：

現在幾點？

就沒有必要把所有生活習慣都放進 Prompt。

所以 Personalization Context 的角色，就是：

從目前擁有的資訊中，挑出這一刻真正會影響互動方式的內容。

Personalization Context 可以包含什麼？

第一版我先整理幾種資料：

General Memory
Health Memory
Recent Interaction
User Preference
Health State
Reminder History
Tone Preference

例如：

[User Preference]
- 喜歡晚上散步
- 偏好簡短回答

[Health State]
- 最近活動量偏低

[Recent Interaction]
- 今天尚未提醒運動

這些資料組合起來，就形成當下的 Personalization Context。

第一版流程

目前流程可以整理成：

Memory
+
Health State
+
Interaction History
+
User Preference
↓
Context Selection
↓
Personalization Context
↓
LLM / Agent
↓
Personalized Response

其中最重要的是 Context Selection。

因為資料累積久了之後，不可能每次都把所有 Memory 丟給 LLM。

這樣除了增加 Token，也可能讓一些不相關的舊資訊影響回答。

所以第一版會根據目前 Conversation 和 Agent Intent，挑選真正相關的 Context。

例如現在要做的是「活動提醒」，就優先查看：

活動相關 Memory
近期 Health State
今天是否已提醒
使用者提醒偏好

而不是把全部資料一起送進去。

同一句話，不同使用者

例如系統想做的事情都是：

鼓勵使用者今天活動一下

使用者 A

Context：

喜歡晚上散步
最近活動量偏低
喜歡簡短提醒

系統可以回答：

今天晚上如果精神還不錯，
可以出去走個 10 分鐘。

使用者 B

Context：

不喜歡頻繁提醒
今天已經互動很多次
最近提到膝蓋不舒服

這時候更適合的策略可能是：

今天先不主動提醒散步

所以 Personalization 不只是「把回答換個說法」。

有時候真正的個人化其實是：

決定這次到底要不要互動。

避免過度個人化

Personalization 也不能做得太滿。

例如使用者曾經說：

我晚上喜歡散步。

不代表 AI 之後每天都要一直提起這件事。

這樣反而容易讓使用者覺得被監控。

所以第一版還需要考慮：

Relevance
Recency
Confidence
Current State

只有跟現在情境真的有關的資訊，才應該影響這一次互動。

今天遇到的問題

最大的問題是：

到底要個人化到什麼程度？

Context 太少，AI 還是很像一般 Chatbot；Context 太多，又可能過度依賴過去資料。

所以 Personalization 的重點不是一直證明「我記得你」，而是：

在需要的時候，用對的 Context 做出更適合這個人的回應。

今天完成的核心

前面的 Memory 是：

AI 記得什麼。

Agent 是：

AI 下一步要做什麼。

而 Personalization Context 開始處理：

現在應該用什麼方式和這個人互動。

目前流程變成：

User Context
↓
Agent Decision
↓
Personalization Context
↓
Action / Response

Day 19 最重要的核心就是：

Memory 是「AI 記得什麼」，Personalization Context 則是「現在有哪些資訊應該影響這次互動」。

下一步 Day 20 就可以加入 Contextual Bandit，讓系統根據不同 Context，慢慢學習哪一種互動策略最適合使用者。