從單次問答到真正的「對話記憶」

在先前的早餐店機器人實戰中，我們成功地把 OpenAI (ChatGPT) 接到了 LINE 的 Webhook 裡。 那時候，客人發一句話，機器人就回一句話。這看起來很聰明，但如果你仔細測試，你會發現一個致命的缺點：它會失憶。

例如： 客人：「老闆，我要點一份蛋餅。」 機器人：「好的！一份原味蛋餅，總共 30 元。請問還要其他東西嗎？」 客人：「那再加一杯大冰奶好了。」 機器人：「好的！一杯大冰奶 20 元。請問還要點什麼嗎？」 客人：「就這樣，總共多少錢？」 機器人：「請問您點了什麼呢？」

這就是所謂的「單輪對話 (Single-turn conversation)」。每次 Webhook 收到訊息去呼叫 OpenAI 時，OpenAI 都是把它當作一個全新的客人，它根本不記得上一秒聊了什麼！

要打造真正能取代人力的 AI 客服，我們必須讓機器人擁有「短期記憶 (Short-term memory)」。

🧠 給 AI 裝上大腦海馬迴：對話陣列 (Messages Array)

要讓 OpenAI 有記憶，原理其實出乎意料地簡單：每一次呼叫 API 時，你不能只傳給它「最新的一句話」，你要把它過去聊過的所有歷史紀錄，打包成一整包再傳給它。

在 OpenAI 的 API 規格中，我們送出去的請求是一個名為 messages 的陣列：

const messages = [
  { role: "system", content: "你是早餐店老闆娘..." }, // 系統人設 (上帝視角)
  { role: "user", content: "我要一份蛋餅" },         // 客人講的話 (歷史紀錄 1)
  { role: "assistant", content: "好的，還要其他的嗎？" }, // AI 剛剛回的話 (歷史紀錄 2)
  { role: "user", content: "再加一杯冰奶茶" }         // 客人現在最新的一句話
];

當你把這個完整的 messages 陣列丟給 OpenAI，它就能像看劇本一樣，瞬間理解前因後果，然後給你完美的回覆！

🛠️ Vibe Coding 實戰：用記憶體暫存對話

如果要我們自己手寫這個記憶管理邏輯，會非常複雜：你要把每個人的 Line ID 當作 Key，去查他過去的對話，超過一定長度還要刪除舊記憶，以免超出 Token 上限。

這時，我們要召喚最強的外掛：Cursor + Vibe Prompt。

【AI 記憶客服 Vibe Prompt】 我正在開發一個 Line Bot 的 Node.js 伺服器，負責處理客服聊天。 之前的版本 AI 無法記住上下文，現在我需要你幫我重構邏輯，加入「對話記憶功能」。

請遵循以下實作細節：

  1. 使用一個全域變數 const memoryStore = new Map() 來當作記憶體暫存區。以使用者的 lineUserId 當作 Key，Value 是一個儲存該使用者 messages 的陣列。
  2. 當收到新訊息時，先從 memoryStore 拿出歷史紀錄。如果沒有，就初始化一個包含 System Prompt 的新陣列。
  3. 將使用者的最新訊息 .push() 進陣列，然後發送給 OpenAI gpt-4o-mini。
  4. 收到 OpenAI 回覆後，將 AI 的回覆也 .push() 進同一個陣列中存起來。
  5. 【重要機制】為了避免陣列無限增長導致記憶體爆滿或 Token 爆表，請實作「自動裁切」功能：如果該用戶的歷史對話超過 10 句 (即陣列長度 > 11，包含 system)，請自動將最舊的一問一答給移除 (splice)。
  6. 請提供完整的 Node.js Express 程式碼，加上清楚的中文註解。

送出這段咒語後，AI 會瞬間產出一段包含 Map 資料結構與 Array.splice 邏輯的完美程式碼。

這套系統的威力：多重任務客服

一旦你的 LINE Bot 有了記憶，它的商業價值將翻倍成長：

  • 連續搜集資料： 「請問您的大名？」➡️「林先生你好，那請問您的電話是？」➡️「好的，林先生，電話 0912，請問您要預約什麼時間？」(它能一步步引導客人完成表單)。
  • 專業技術客服： 「我的螢幕無法開機。」➡️ AI 教了三個步驟 ➡️「第二個步驟我卡住了，燈沒有亮。」➡️ AI 能針對第二步繼續深入解決。
  • 高黏著度陪伴機器人： 像塔羅牌占卜師、心理諮商 AI、甚至是虛擬女友，都是建立在這個強大的「記憶體管理機制」之上的。

🚨 記憶系統的進階考量：當伺服器重新啟動時

眼尖的你可能發現了，我們在上面的 Prompt 中，把對話紀錄存在 new Map() 裡面，這叫做「記憶體內暫存 (In-memory storage)」。

這在測試開發時非常快、非常好用。但它有一個致命弱點：如果你的伺服器當機，或是你在 Vercel/Render 上重新部署了程式，這個 memoryStore 就會瞬間清空，所有機器人都會再度「集體失憶」。

如果你在接案時，這是一個每月收費 3 萬塊的高端客服系統，我們就不能容許這種事發生。 在真正的企業級架構中，我們會把這個 messages 陣列轉換成 JSON 格式，存到 Redis (記憶體資料庫) 或是 Supabase (PostgreSQL) 裡面持久化保存。

但在前期快速驗證商業模式 (MVP) 時，先用 Node.js 的 Map 陣列跑起來，已經足以讓你震撼客戶，成功把案子簽下來了！準備好去改造你的早餐店阿姨了嗎？下一章我們將教你更猛的 LINE 隱藏武器：LIFF 網頁！