在初期版本中，系統的回覆多以自由生成的文字為主，雖然內容具分析性，但在表達上缺乏一致結構，導致不同回合之間的回應可讀性不一， 甚至出現重複陳述或語意不連貫的情況。為了讓輸出內容更具條理與專業度，本研究針對系統的最終輸出層進行了重新設計， 將模型生成的語意分析結果與系統自動計算的加權評分結果整合為單一報告格式，使其在資訊呈現上更直觀且具參考價值。

新的輸出機制將成癮風險評估結果與模型建議內容合併輸出，使使用者在同一段落中即可同時看到數據分析結果與行為建議， 提升資訊密度與實用性。這樣的設計不僅讓回覆內容結構化，也使系統更接近臨床報告格式，有助於未來延伸至健康風險預警或心理評估等應用場景。

在實作層面，系統會於模型生成回覆後，先呼叫加權評分函式計算各層面分數與風險等級，再將其整合至統一的輸出模板中，確保回應格式一致、資訊完整。

以下為實際輸出結構之程式碼:

reply = (
        f"【成癮風險分析】\n"
        f"頻率：{score_data['頻率']}　強度：{score_data['強度']}　失控程度：{score_data['失控程度']}　"
        f"影響程度：{score_data['影響程度']}　情緒依附：{score_data['情緒依附']}\n"
        f"加權總分：{score_data['加權總分']} → {score_data['風險等級']}\n\n{answer}"
    )

• 系統展示