前言

昨天，我讓 Gemini 依照 JSON Schema 整理網站安全分析，也寫了程式檢查欄位與引用來源。

但在核對結果時，我發現模型提到搜尋參數 q，附上的引用卻只有 <form>，沒有包含定義 q 的 <input>。程式找得到引用，仍然不能證明整句主張都有證據支持。

這時，我希望能接著問：「你剛才提到 q，引用真的有包含它嗎？」

所以今天，我把操作方式做成終端機對話工具。輸入問題、取得分析，再繼續追問；底層仍然使用 Structured outputs，每輪都保留 JSON 與驗證結果。

加入 HTTP 或 HTML 證據
        ↓
輸入問題，連同對話歷史送出
        ↓
取得 JSON 回答並檢查
        ↓
顯示分析、保存結果
        ↓
繼續追問，或開始新對話

先準備本機環境

我把專案放在本地並建立 Python 虛擬環境：

cd $PATH_TO_FILE
python3 -m venv .venv
source .venv/bin/activate
python -m pip install google-genai python-dotenv jsonschema

本次套件版本分別是 google-genai 2.24.0、python-dotenv 1.2.3 與 jsonschema 4.26.0。版本另外保存在需求檔中，方便重建環境。

.venv 管理 Python 套件，API Key 則寫在根目錄的 .env：

GEMINI_API_KEY=你的API金鑰

對話與 Structured outputs 可以一起使用

對話介面負責讓我輸入訊息、繼續追問；Structured outputs 負責約束模型回答的結構。

概念上的核心程式如下。這段用來說明對話與輸出設定的關係，完整版本另外處理金鑰載入、證據登錄、保存、驗證與錯誤：

import json
from google import genai
from google.genai import types

# api_key、schema、system_instruction 由本機設定載入。
# evidence_sources 是已透過介面登錄的證據。
with genai.Client(api_key=api_key, vertexai=False) as client:
    chat = client.chats.create(
        model="gemini-3.8-flash",
        config=types.GenerateContentConfig(
            system_instruction=system_instruction,
            response_mime_type="application/json",
            response_json_schema=schema,
        ),
    )

    while True:
        message = input("你 > ").strip()
        if message == "/quit":
            break
        if not message:
            continue

        response = chat.send_message(json.dumps({
            "user_message": message,
            "evidence_sources": evidence_sources,
        }, ensure_ascii=False))
        print(response.text)

實際版本把 Schema 與系統規則當成固定設定，問題則由我直接在終端機輸入，不需要先寫進 prompt.txt。

昨天的 schema.json 與來源驗證程式仍然沿用。系統規則則補上多輪對話的要求：可以參考上一輪來理解追問，但模型先前的回答不是新的網站證據。

本次預設使用 Gemini 3.8 Flash，Thinking level 為 Medium，輸出上限為 8192 tokens，沒有啟用搜尋或工具呼叫。昨天記錄的輸出上限是 65536，這項差異也保留在實驗紀錄中。

多輪對話的歷史怎麼處理？

第二輪除了新問題，也會帶入前面已完成的對話，讓模型理解「剛才那項分析」指的是什麼。

實際程式會以已完成歷史建立本輪對話，再送出新訊息。收到正常結束、可解析的回答後，才更新本機保存的歷史；完整 SDK Content 物件也會保留，包括可能附帶的 thought signature。

如果回答能解析，但引用檢查失敗，我仍會保留這一輪，讓下一輪可以要求它修正。保留在歷史裡不代表認可結論；畫面會顯示檢查未通過。

如果回答被截斷或無法解析，原文仍會保存，但不加入下一輪歷史。API 失敗時也維持原本歷史，避免重送時重複插入同一個問題。

這個版本的對話狀態保留在當次執行的記憶體中。重新啟動會是新對話；已保存的紀錄可供查閱，但目前沒有自動還原舊對話的功能。

另外，多輪請求會帶入先前歷史，對話越長，輸入用量可能越大。切換到另一個案例時，我會用 /reset 清空歷史與證據，再重新開始。

畫面好讀，檔案仍保留 JSON

模型回傳 JSON 之後，程式會把它整理成觀察、潛在風險、引用、成立條件與下一步，直接顯示在終端機。需要查看完整結構時，再輸入 /json。

每輪結果分開保存：

results/chats/對話識別碼/
├── turn-001/
└── turn-002/

每個目錄包含本輪問題、先前歷史、證據、生成設定、SDK 回應紀錄、回答文字、解析後的 JSON 與驗證結果。SDK 回應紀錄是物件序列化，不是 HTTP 原始封包。

其他常用指令如下：

步驟設計完成之後，卻發生了意外...

正式開始之後，多次收到了503的錯誤，實際到 AI Studio 查看，也沒有發現API用量耗盡的情形

所以明天要做的，就是解決這個問題，並且完成前面設計的實驗

今天把對話相關功能處理完了，明天搞好 503 Error 處理掉今天沒做的事情

那就…
明天見！