Skip to main content

如何取得對話內容上下文

在 Asgard 中建立 AI 聊天機器人或互動式流程時，理解訊息的上下文 是提升回應品質的關鍵。不論是引導大型語言模型（LLM）根據過往對話產生回應，還是建立具備記憶能力的互動流程，能夠存取對話歷史都是不可或缺的功能。

Asgard 提供兩種常用的方式來取得使用者的對話內容：prevMessage 與 history(start, end)。這兩者雖然都能用來讀取對話，但使用情境和靈活度上有所不同。

本篇文章將帶你深入了解 prevMessage及history(start, end) 的語法邏輯，說明取得對話紀錄的重要性，並透過範例展示它如何在工作流程中發揮關鍵作用。

🔹 prevMessage​

在 使用 Expression 建立 Echo 機器人 的教學中，使用了 prevMessage 作為表達式，代表機器人將讀取上一則訊息作為Echo Message的輸出內容。

  • 用途：取得「上一則訊息」的內容
  • 語法簡單、使用方便，適合處理單輪對話
  • 常見用法：
expression
複製編輯
prevMessage

Copy
  • 適合情境：
    • Echo bot 回覆上一則訊息
    • 單一指令或單輪查詢的快速回應

🔸 history(start, end)​

在 對 AI 能做什麼感到好奇嗎？來學習製作一個 AI 聊天機器人吧 的教學，Prompt（提示語）中 Template(Advanced) 模式使用了 history(0, -1) 以取得目前流程中所有過去的訊息紀錄，從第一則到最新一則，提供完整的對話脈絡給後續處理節點使用，例如用於 AI 生成回覆、維持對話邏輯一致性，或將使用者輸入記錄下來做後續分析。

  • 用途：取得整段或特定區段的對話歷史
  • 語法靈活，可指定起始與結束位置，適合處理多輪對話或上下文推理
  • 範例語法：
expression
複製編輯
history(0, -1)   // 取得完整歷史
history(-3, -1)  // 取得最近三則訊息

Copy
  • 0：表示從 第一則訊息（最舊）開始
  • -1：表示直到 最後一則訊息（最新）

因此，history(0, -1) 的意思是：取得目前對話中所有的歷史訊息，從頭到尾完整訊息紀錄。

  • 適合情境：
    • LLM Chatbot 回應需依據上下文生成答案
    • 多輪互動、記憶性任務、摘要、分析等

📌 應用場景範例：​

  • 在撰寫 LLM Prompt 時，可用 history(0, -1) 將整段對話內容傳入模型，讓 AI 回應具備上下文理解能力。
  • 搭配系統提示語可形成以下格式：
  css
  複製編輯
  You are a helpful assistant. Here is the conversation so far:
  {{ history(0, -1) }}
  • 若只需最近一則訊息，可使用 prevMessage 或 history(-1)
Bot: hello!User: 一年有幾個月Bot: 一年有12…User: 經典賽...Bot: 日本
01234
-5-4-3-2-1

（補聊天的圖）