為了讓系統能理解多輪對話的語境並避免重複提問，本專題新增短期記憶機制，讓模型能暫存使用者最近五輪的問答內容。 在每次新輸入時，系統會先檢查記憶池是否有資料，若存在先前的對話，就會計算目前輸入與過去問題之間的語義相似度，以判斷是否屬於相同主題。

以下這段程式會從記憶池中找出與當前輸入最相似的歷史對話，並依照相似度排序後取出前兩筆作為輔助參考，確保系統回應時能延續先前的語意脈絡。

def retrieve_memory_relevant(user_input, top_k=2):
    if not memory_buffer:
        return ""

    query_emb = np.array(embedding_model.embed_query(user_input))
    sims = []
    for past_q, past_a in memory_buffer:
        past_emb = np.array(embedding_model.embed_query(past_q))
        sim = np.dot(query_emb, past_emb) / (np.linalg.norm(query_emb) * np.linalg.norm(past_emb))
        sims.append(sim)

    top_idx = sorted(range(len(sims)), key=lambda i: sims[i], reverse=True)[:top_k]
    related = "\n\n".join([
        f"使用者曾說：{memory_buffer[i][0]}\nAI 回覆：{memory_buffer[i][1]}"
        for i in top_idx
    ])
    return related

下列程式則負責初始化記憶池與設定最大容量，讓系統的記憶保持短期性，避免佔用過多運算資源，同時確保只保留最近的對話。

memory_buffer = []          
max_memory_size = 5 

而在主要聊天流程中，當使用者輸入新問題時，系統會先檢查記憶池中是否存在相關內容，若有相似對話則自動將其附加至檢索內容， 幫助模型在回答時參考舊資料，這樣模型在回覆時能根據語義延伸過去的主題，而不是重新開始。

# 加入記憶池中的相關內容
    related_memory = retrieve_memory_relevant(user_input)
    if related_memory:
        retrieved_chunks = f"{retrieved_chunks}\n\n（以下是過去對話的相關內容，供你參考）\n{related_memory}"

最後當回覆生成後，會將這輪問答存入記憶池中，並確保總數不超過五輪。這樣的設計讓系統能保留短期語意連續性，同時避免記憶過載或語義干擾，使對話更自然流暢。

# 更新記憶池（維持固定大小）
    memory_buffer.append((user_input, reply))
    if len(memory_buffer) > max_memory_size:
        memory_buffer.pop(0)

• 3.5 導入加權風險評分機制