【今日開發目標】

今天主要處理的是 **Context（上下文）**讓它不只是「問一題、回答一題」。

簡單來說，就是讓 AI 記得學生前面講過什麼。這樣學生下一句就算沒有把前面的關鍵字再講一次，AI 也可以根據前面的對話接著回答。

【Google AI 工具實作過程】

這次主要是在 Node.js 後端處理對話歷史。

原本每次呼叫 API 時，AI 只會看到「這一次」的問題。如果學生第一輪問：

我想學 Python 的 list 觀念。

第二輪只問：

那如果資料不能被修改，我該選哪一個？

如果沒有把前面的對話一起傳進去，AI 其實不知道「哪一個」是在問什麼。

因此這次我把歷史對話一起整理成 Gemini API 可以使用的 contents 格式。

1. 建立 JSON 歷史紀錄

每一輪對話都會記錄使用者和 AI 的內容，例如：

{
  role: 'user',
  parts: [{ text: '我想學 Python 的 list 觀念。' }]
}

AI 回覆則會記成：

{
  role: 'model',
  parts: [{ text: '...' }]
}

這樣每次有新的問題，就可以把前面的對話一起送給模型。

2. 在後端先清洗歷史資料

在 server.js 裡，我先對前端傳過來的 history 做一次整理。

主要使用 .filter() 和 .map()，把沒有 role、parts 或格式不正確的資料先排除掉，再統一成 Gemini API 可以接受的格式。

這一步看起來可能有點多餘，但如果之後前端傳進來的資料有缺漏，至少不會因為一筆格式錯誤的資料，整個 API 就直接掛掉。

3. 把歷史紀錄和新問題組合起來

整理完之後，再利用 Spread Operator：

const contents = [
  ...formattedHistory,
  {
    role: 'user',
    parts: [{ text: message }],
  },
];

把過去的對話和這次的新問題放在同一個 contents 裡。

這樣 Gemini 收到的就不只是最新一句，而是可以看到前面的對話脈絡。

【實際測試】

為了確認 Context 真的有作用，我在 test-chat.js 裡設計了兩輪測試。

第一輪先問：

我想學 Python 的 list 觀念。

AI 回答之後，把這一輪的 user 和 model 對話存進 history。

接著第二輪故意不再提 list，只問：

那如果資料「不能被修改」，我該選哪一個？

這裡就是這次測試的重點。

如果 AI 有成功讀取前面的 Context，它就應該知道現在還是在討論 Python 的資料結構，進一步帶到 tuple。

這種測試比單純看「AI 有沒有回答成功」更能確認上下文功能到底有沒有真的串起來。

【遇到的問題】

Cannot use import statement outside a module

這次實作中間也遇到一個 Node.js 很常見的錯誤：

SyntaxError: Cannot use import statement outside a module

一開始看到這個錯誤會有點莫名其妙，明明 import 的寫法本身沒有問題，為什麼 Node.js 不認？

後來才發現是因為我在 server.js 使用的是 ES Module 的寫法：

import express from 'express';

但 Node.js 預設不一定會把 .js 當成 ES Module 處理。

所以最後直接在 package.json 加上：

{
  "type": "module"
}

告訴 Node.js：

這個專案的 JavaScript 使用 ES Module。

加完之後，import 語法就可以正常執行了。

這次也算是再次感受到，實際串 API 的時候，不是只有「程式碼寫對就好」，專案本身的環境設定也會影響程式能不能跑。

【這次做完學到什麼】

這次最大的差別其實不是多了一個 history 變數，而是開始比較能理解 AI 對話記憶到底是怎麼實作的。AI 並不是自己突然「記住」前面講過的東西，而是我們在每次送出新的問題時，把之前的對話整理好，再一起傳給模型，這樣下一次提問時，就可以繼續把前面的內容帶進去。

對 AI 助教來說，這個功能也滿重要的。

因為學生實際問問題時，不太可能每一句都講得很完整。

可能上一句還在問：

list 跟 tuple 有什麼差？

下一句就直接變成：

那不能修改的是哪個？

如果每次都要重新把完整問題講一次，其實滿累的。

有 Context 之後，學生就可以用比較接近平常講話的方式一直追問，AI 再根據前面的內容接著引導。

【未來教育反思】

做到這裡，我覺得 Context 對 AI 助教來說，比單純「回答得很準」還重要。

因為實際學習的過程本來就是連續的。學生可能先搞不懂一個觀念，問了一次之後還是不確定，接著換個方式問；或者只丟一句「那如果不能改呢？」。如果 AI 每次都把它當成全新的問題，學生就會一直重複前面的內容。但如果 AI 能保留對話脈絡，就可以比較接近真正的「一來一往」。

這也讓前面做的蘇格拉底式教學規則開始比較有意義。因為 AI 不只是一直問學生問題，而是可以根據學生前面說過的內容，決定下一步要怎麼引導。

當然，目前這個版本還只是把對話歷史完整帶進去，之後還可以再思考要不要加入更進一步的學生狀態，例如「目前學到哪裡」、「哪個觀念容易搞錯」等等。

【明日預告】

今天先把 AI 的 Context 和對話記憶處理好。

明天 Day 09 就要把前幾天做好的東西真正接在一起，進入【前後端串接】。

也就是把今天的 Node.js 後端 API，正式接到之前用 Google Stitch 做好的前端介面。

希望明天做完之後，就不只是從終端機測試，而是可以直接在網頁上跟自己的 AI 助教對話。