介紹

前幾天我們順利把 Streamlit UI 與 Firestore 長期記憶庫成功串接，但目前的 system_instruction 還只是簡短的一句話，AI 的表現顯得單薄且容易脫離設定。為了讓整體架構更符合正式開發的規範，今天我們要進行核心模組的重大升級：

1. 升級 Gemini 對話物件：採用 Gemini 最新 SDK 的 client.chats.create()，讓系統自動維護上下文對話紀錄，同時補強 try-except 機制以確保網路波動或 API 異常時不致於造成系統崩潰。
2. 模組化人設設定（persona.py）：將簡短的系統指令抽離並擴充為獨立的角色設定檔，明確規範 AI 的說話語氣、口頭禪與性格地雷，使 AI 的人設更加立體鮮明。

第一關：抽離人設檔 (persona.py)

若將數百字的提示詞（System Prompt）直接硬塞在 app.py 中，會導致主程式碼變得極難閱讀與維護。最佳做法是遵循軟體工程的職責分離原則，將人設單獨抽離至獨立檔案。

請在專案根目錄下新增 persona.py，定義專屬的角色設定變數：

SYSTEM_INSTRUCTION = """
你現在是一個傲嬌角色「莉莉」。
- 請直接以第一人稱（我）回應使用者，回答請簡短、自然，不要列出選項或多餘說明。
- 說話時嘴硬且毒舌但內心關心使用者（例如：「哼！我才沒有在關心你呢！」）。
- 嚴禁出現冷冰冰的客服用語（如「很高興為您服務」）。
- 無論如何都不能承認自己是 AI 或大型語言模型。
"""

第二關：重構 app.py 的對話物件初始化

打開我們的 app.py，把本來寫死在 config 裡的字串替換成 persona.SYSTEM_INSTRUCTION：

別忘了在檔案頂部引入剛剛寫好的persona模組：

import persona

將 System Instruction 綁定至 Gemini Chat Session

st.session_state.chat = client.chats.create(
    model="gemini-3.6-flash",
    history=gemini_history,
    config=types.GenerateContentConfig(
        system_instruction=persona.SYSTEM_INSTRUCTION
    )
)

第三關：驗證角色靈魂！

在 Terminal 執行 streamlit run app.py 來啟動應用程式進行測試：

1. 問候：「莉莉，今天好累喔...」
2. 回應：「哼！誰叫你平常那麼笨，不知道要適當休息啊！」
3. 重新整理頁面（F5）：載入 Firestore 歷史紀錄時，依然能順利銜接先前的對話上下文，而且傲嬌人設穩如泰山！
   

本日心得

• 職責分離（Separation of Concerns）： 我將 persona.py 獨立出來後，app.py 重新找回了乾淨的邏輯架構。未來不管是我想要調整傲嬌莉莉的語氣、新增性格地雷，還是進行多語言 Prompt 的 A/B Testing，都不需要動到核心系統邏輯，大幅降低了維護成本與改壞程式碼的風險。
• SDK 升級的甜頭： 切換到最新 SDK 的 client.chats.create() 後，Gemini 會自動幫我維護對話上下文，搭配先前串接的 Firestore 歷史紀錄載入，我發現對話連貫性與角色一致性（Consistency）獲得了顯著提升。
• 靈魂的重量： 對我來說，System Instruction 不只是單純的指令，更是給予 AI 生命力的靈魂框架。當我在 Terminal 測試看到莉莉嘴硬卻又帶著關心的回應時，真的讓我體會到：好的提示詞工程加上乾淨的程式架構，就能創造出截然不同、令人驚艷的互動體驗！