Day 10 整理了 Chat API 的基本流程：

使用者輸入訊息
→ 後端接收
→ AI 產生回覆
→ 儲存對話
→ 回傳前端

但其中還有一個很重要的問題：

聊天內容到底要怎麼存？

如果只是把整段對話直接存成一大段文字，短期看起來很簡單，但後面要做 Memory、Context、搜尋紀錄或重新分析時，就會變得很難使用。

所以在 VoCare 裡，我們會把聊天資料拆成兩個主要概念：

Conversation 和 Message。

Conversation 是「一次完整的聊天」

Conversation 可以理解成一次聊天工作階段。

例如長者晚上打開 VoCare，和 AI 聊了十分鐘，這整段互動就可以視為一個 Conversation。

一筆 Conversation 可以保存：

• Conversation ID
• User ID
• 開始時間
• 結束時間
• 建立時間

它本身不一定需要保存所有聊天文字，而是負責表示：

這些訊息屬於同一次對話。

Message 是「對話裡的每一句話」

Conversation 裡面真正的聊天內容，則會拆成一筆一筆的 Message。

例如：

長者：
我以前很常去釣魚。

AI：
那你以前最常去哪裡釣魚？

長者：
以前常跟公司的朋友一起去。

這三句話可以分別存成三筆 Message。

每一筆 Message 至少可以包含：

• Message ID
• Conversation ID
• 發送者
• 訊息內容
• 發送時間

其中「發送者」可以用來區分：

• User
• Assistant

這樣系統就知道哪一句是長者說的，哪一句是 AI 回覆的。

為什麼不能直接把整段聊天存成一筆？

拆成 Conversation 和 Message，最主要的原因是：

後面的功能需要使用單一訊息。

例如未來做 Memory Extraction 時，系統可能要從某幾句話裡找出：

興趣：釣魚

或者做近期狀況分析時，要找到：

最近睡不好

如果整段聊天全部混在同一欄位裡，每次都必須重新分析整段內容。

但如果訊息是一筆一筆保存，就可以直接知道：

是哪一則 Message 產生了這筆 Memory 或 Status Event。

這也讓資料之間可以建立清楚的關係。

Conversation 和 Message 的關係

兩者的關係可以簡化成：

User
→ Conversation
→ Message

一位長者可以有很多次 Conversation。

而每一個 Conversation 裡，又會包含很多筆 Message。

例如：

User 001

→ Conversation A
　→ Message 1
　→ Message 2
　→ Message 3

→ Conversation B
　→ Message 4
　→ Message 5

這樣之後不管是要查看某一天的聊天、搜尋某一句內容，或分析某一次對話，都會比較容易。

這和 Memory 有什麼關係？

Conversation 和 Message 保存的是：

原始聊天紀錄。

Memory 保存的則是：

從聊天中整理出來的長期資訊。

例如原始 Message 是：

「我以前很喜歡跟朋友去釣魚。」

系統之後可以從這句話整理出：

類型：興趣
Memory：喜歡釣魚

所以兩者不能混在一起。

可以理解成：

Message = 長者實際說過什麼

Memory = 系統從裡面整理出什麼

而 Memory 最好還能保留來源 Message ID。

這樣未來就能追蹤：

這筆記憶到底是從哪一句話產生的。

為後面的 Context 做準備

保存 Conversation 和 Message 還有另一個目的，就是建立 Context。

例如 AI 回答之前，可以取得：

• 最近一個 Conversation
• 最近 10 則 Message
• 最近幾天的重要互動

再搭配長期 Memory 一起提供給 AI。

所以 Conversation / Message 不只是「聊天紀錄」。

它其實也是後面：

Memory、Context、個人化回覆與狀況分析的基礎資料。