前面五天，我们学会了创建 Bot、使用插件、设计工作流、管理知识库。但你有没有发现，每次对话 Bot 都像"失忆"一样，不记得之前说过什么？这就是多轮对话（Multi-turn Conversation）要解决的问题——让 Bot 记住上下文，实现连贯、自然的对话体验。
一、什么是多轮对话
1.1 单轮 vs 多轮对话
对比示例
❌ 单轮对话（无记忆）
用户："北京明天天气怎么样？"
Bot："北京明天晴天，15-25度"
用户："那后天呢？"
Bot："请问您想查询哪个城市的天气？"（忘记了是北京）
问题：Bot 不记得上一轮说的"北京"
✅ 多轮对话（有记忆）
用户："北京明天天气怎么样？"
Bot："北京明天晴天，15-25度"
用户："那后天呢？"
Bot："北京后天多云，12-22度"（记住了是北京）
优势：对话连贯、自然，用户体验好
1.2 多轮对话的核心要素
上下文记忆
Bot 能记住之前的对话内容，包括用户说过什么、Bot 回复过什么。
指代消解
理解"它"、"那个"、"刚才说的"等指代词，知道用户在说什么。
话题延续
在同一个话题下持续对话，不会突然跳转到无关内容。
意图理解
结合上下文理解用户的真实意图，而不是孤立地看每一句话。
二、Coze 的对话记忆机制
2.1 会话（Session）概念
在 Coze 中，一次完整的对话称为一个会话（Session）。会话内的所有消息都会被记录，形成上下文。
会话的生命周期
会话开始
用户发送第一条消息，创建新会话
会话进行
用户和 Bot 持续对话，消息不断累积
会话结束
用户关闭对话窗口，或超过一定时间无互动（通常30分钟）
会话清除
会话历史被清除，下次对话从零开始（除非启用长期记忆）
2.2 上下文窗口
Bot 不会记住所有历史消息，而是保留最近的 N 条消息作为上下文窗口。
上下文窗口大小
默认设置
保留最近 10-20 轮对话（20-40 条消息）
为什么有限制？
• LLM 的输入长度有限（如 GPT-4 最多 8k tokens）
• 上下文越长，推理越慢，成本越高
• 太长的上下文会"稀释"重要信息
如何调整？
在 Bot 设置中，可以配置"上下文轮数"，范围通常是 5-50 轮
💡 上下文窗口的权衡
窗口太小（5轮）
优点：响应快，成本低
缺点：很快忘记之前的内容，对话不连贯
窗口太大（50轮）
优点：记忆力强，对话连贯
缺点：响应慢，成本高，可能超出模型限制
推荐设置
• 客服场景：10-15 轮（够用且高效）
• 深度对话：20-30 轮（如咨询、辅导）
• 简单问答：5-10 轮（快速响应）
2.3 记忆类型
短期记忆（会话内）
默认只在当前会话内有效，会话结束后清除。
适用场景：
• 临时咨询（查天气、查快递）
• 一次性任务（生成文案、翻译）
• 不需要记住用户信息的场景
长期记忆（跨会话）
高级跨会话保存，即使用户下次再来，Bot 也能记住之前的信息。
适用场景：
• 个人助理（记住用户偏好、习惯）
• 学习辅导（记住学习进度、薄弱点）
• 客户服务（记住历史问题、订单）
结构化记忆（数据库）
高级将关键信息提取并存储到数据库，方便查询和管理。
适用场景：
• 用户画像（姓名、年龄、职业、偏好）
• 订单管理（订单号、状态、金额）
• 任务跟踪（待办事项、完成状态）
三、配置多轮对话
3.1 基础配置
1️⃣启用会话记忆
• 进入 Bot 编辑页面
• 在"高级设置"中，找到"会话管理"
• 勾选"启用会话记忆"
2️⃣设置上下文轮数
上下文轮数
设置保留多少轮对话，建议 10-20 轮
会话超时时间
设置多久无互动后结束会话，建议 30 分钟
3️⃣优化提示词
在提示词中说明如何使用上下文：
你是一个智能助手，能够记住对话历史。 ## 上下文使用规则 1. 仔细阅读对话历史，理解用户的意图 2. 如果用户使用"它"、"那个"等指代词，根据上下文判断指的是什么 3. 保持话题连贯，不要突然跳转到无关内容 4. 如果用户换了话题，自然地切换，不要纠结之前的内容
3.2 长期记忆配置
如果需要跨会话记住用户信息，需要配置长期记忆功能。
配置步骤
1. 启用用户识别
在 Bot 设置中，启用"用户识别"功能，为每个用户分配唯一 ID。
• 通过登录系统获取用户 ID
• 或使用设备指纹识别
• 或让用户输入手机号/邮箱
2. 配置记忆存储
选择记忆存储方式：
• Coze 内置存储：简单方便，但容量有限
• 外部数据库：需要配置 API，容量大，可自定义
3. 定义记忆内容
在提示词中说明要记住什么：
## 长期记忆规则 需要记住的信息： - 用户姓名、称呼偏好 - 用户的职业、兴趣 - 用户的常见问题和偏好 - 历史订单、服务记录 记忆方式： - 当用户主动告知信息时，记录下来 - 在后续对话中，主动使用这些信息 - 例如："您好，张先生，上次您咨询过..."
四、上下文管理高级技巧
4.1 上下文压缩策略
当对话很长时，上下文会超出模型限制。这时需要压缩历史对话，保留关键信息。
策略1：滑动窗口
只保留最近的 N 轮对话，丢弃更早的内容。
工作原理：
对话历史：[消息1, 消息2, ..., 消息50]
窗口大小：20 条
保留：[消息31, 消息32, ..., 消息50]
丢弃：[消息1, 消息2, ..., 消息30]
优点：简单高效
缺点：可能丢失重要信息
策略2：智能摘要
用 LLM 总结历史对话，保留关键信息，压缩成简短摘要。
工作原理：
1. 当对话超过阈值（如 30 轮）
2. 用 LLM 总结前 20 轮对话
3. 摘要示例："用户想买笔记本，预算 6000 元，用于办公和视频剪辑"
4. 用摘要替换原始对话
优点：保留关键信息，压缩率高
缺点：需要额外的 LLM 调用，有成本
策略3：重要性过滤
根据消息的重要性，选择性保留。
判断标准：
• 包含关键信息（用户需求、偏好、决策）
• 被后续对话引用
• 用户明确表示"记住这个"
优点：精准保留重要信息
缺点：实现复杂，需要训练模型
策略4：分层存储
将对话分为多个层次，不同层次使用不同的压缩策略。
存储层次：
• 热数据：最近 5 轮，完整保留
• 温数据：6-20 轮，保留关键消息
• 冷数据：20 轮以上，只保留摘要
优点：平衡性能和记忆
4.2 指代消解技术
理解"它"、"那个"、"刚才说的"等指代词，是多轮对话的核心能力。
常见指代类型
1. 代词指代
用户："这款手机多少钱？"
Bot："3999 元"
用户："它有什么颜色？"
→ "它" 指代 "这款手机"
2. 省略主语
用户："推荐一款笔记本"
Bot："推荐联想小新 Pro"
用户："配置怎么样？"（省略了"这款笔记本"）
→ 指代 "联想小新 Pro"
3. 时间指代
用户："北京明天天气怎么样？"
Bot："明天晴天"
用户："后天呢？"
→ "后天" 基于 "明天" 推算
4. 对比指代
用户："A 和 B 哪个好？"
Bot："A 性价比高，B 性能强"
用户："那我选第一个"
→ "第一个" 指代 "A"
💡 提示词优化：引导指代消解
## 指代消解规则 1. 当用户使用"它"、"这个"、"那个"时： - 查看最近的对话，找到最可能的指代对象 - 通常指代最近提到的名词 2. 当用户省略主语时： - 延续上一轮的话题主体 - 例如：上一轮说"手机"，这一轮问"多少钱"，指的是"手机多少钱" 3. 当用户使用"第一个"、"第二个"时： - 查看上一轮 Bot 的回复，找到列表中的对应项 4. 如果无法确定指代对象： - 礼貌地询问："您是指...吗？"
4.3 话题切换检测
用户可能在对话中切换话题，Bot 需要识别并适应。
话题切换的信号
1. 明确的切换词
用户使用明确的转折词：
• "对了，..."
• "换个话题，..."
• "另外，..."
• "不说这个了，..."
2. 语义跳跃
新问题与之前的话题完全无关：
之前：讨论笔记本电脑
突然：问天气
→ 明显的话题切换
3. 新的问题类型
从咨询变成投诉，或从查询变成购买：
之前：咨询产品信息
现在：投诉售后问题
→ 话题和意图都变了
如何处理话题切换
策略1：自然过渡
识别到话题切换后，自然地切换：
用户："对了，北京明天天气怎么样？"
Bot："好的，我帮您查一下北京明天的天气..."（不再纠结之前的笔记本话题）
策略2：确认切换
如果不确定是否切换，可以确认：
用户："那个怎么样？"
Bot："您是指刚才说的笔记本，还是想问其他的？"
策略3：保留上下文
切换话题后，仍然保留之前的上下文，以防用户回到原话题：
用户："天气查完了，刚才那个笔记本多少钱？"
Bot："联想小新 Pro 是 5499 元"（记得之前的话题）
4.4 上下文冲突处理
有时用户会说出与之前矛盾的信息，Bot 需要妥善处理。
冲突类型1：用户改变主意
用户："我预算 5000 元"
Bot："好的，5000 元预算..."
用户："算了，还是 6000 吧"
处理：以最新的信息为准，更新预算为 6000
冲突类型2：用户纠正错误
用户："我叫张伟"
Bot："好的，张伟先生"
用户："不对，是张薇，女字旁的薇"
处理：道歉并更正，"抱歉，张薇女士，我记下了"
冲突类型3：Bot 理解错误
用户："我想要轻薄的"
Bot："推荐游戏本..."（理解错了）
用户："不是，我要轻薄本，不是游戏本"
处理：承认错误，重新推荐，"抱歉理解错了，轻薄本的话..."
💡 冲突处理原则
1. 最新优先：当信息冲突时，以用户最新的说法为准
2. 主动确认：如果不确定，主动询问用户
3. 礼貌道歉：如果是 Bot 理解错了，要道歉
4. 更新记忆：及时更新上下文中的信息
五、实战案例
5.1 案例一：智能客服（短期记忆）
场景
用户咨询产品问题，需要多轮对话才能解决。
对话示例
我想买一台笔记本电脑
好的！请问您主要用来做什么？办公、游戏还是设计？
主要办公，偶尔剪视频
明白了。那您的预算大概是多少呢？
6000左右
根据您的需求（办公+视频剪辑）和预算（6000元），我推荐以下两款：
1. 联想小新Pro 14（i5-12500H + 16G + 512G）
2. 华为MateBook 14（R7-5800H + 16G + 512G）
两款都适合办公和轻度剪辑，您想了解哪款的详细信息？
关键点
- • Bot 记住了用户的需求（办公+剪视频）
- • Bot 记住了用户的预算（6000元）
- • 在推荐时，综合考虑了之前的所有信息
5.2 案例二：个人助理（长期记忆）
场景
用户的私人助理，记住用户的习惯和偏好，提供个性化服务。
第一次对话
我叫张伟，是一名产品经理
您好，张伟！很高兴认识您。我已经记住了您的信息，以后可以叫您张先生或者张伟，您更喜欢哪个称呼？
叫我张伟就好
第二天的对话
早上好
早上好，张伟！今天有什么我可以帮您的吗？
关键点
- • Bot 跨会话记住了用户的姓名和职业
- • Bot 记住了用户的称呼偏好
- • 第二天对话时，主动使用了这些信息
5.3 案例三：教育辅导（结构化记忆）
场景
AI 英语老师，记录学生的学习进度、薄弱点，提供个性化辅导。
记忆结构设计
{
"student_id": "user_123",
"name": "小明",
"level": "中级",
"weak_points": [
"时态混淆（现在完成时 vs 过去时）",
"冠词使用（a/an/the）"
],
"learning_history": [
{
"date": "2024-03-01",
"topic": "现在完成时",
"score": 75,
"mistakes": ["have went → have gone"]
}
],
"preferences": {
"learning_style": "通过例句学习",
"practice_time": "晚上 8-9 点"
}
}对话示例
老师，我又来了
欢迎回来，小明！上次我们学习了现在完成时，你在 "have went" 这个地方出错了。今天我们继续巩固一下，顺便看看冠词的用法，这也是你的薄弱点。准备好了吗？
关键点
- • 使用结构化数据存储学习记录
- • 自动识别薄弱点，针对性辅导
- • 记住学习偏好，提供个性化体验
- • 可以生成学习报告和进度追踪
5.4 案例四：复杂场景（混合记忆策略）
场景
项目管理助手，需要同时处理多个项目，记住任务状态、团队成员、截止日期等信息。
记忆分层设计
第一层：会话记忆（短期）
当前对话的上下文，如"刚才讨论的那个任务"、"你提到的那个人"
第二层：项目记忆（中期）
当前项目的所有信息：任务列表、进度、成员、文档链接
第三层：用户记忆（长期）
用户的工作习惯、团队结构、常用工具、历史项目经验
对话示例
帮我看看 A 项目的进度
好的！A 项目目前进度 75%，还有 3 个任务待完成：
1. UI 设计（负责人：小李，截止 3月10日）
2. 后端接口（负责人：小王，截止 3月12日）
3. 测试（负责人：小张，截止 3月15日）
根据你的习惯，我已经在每天早上 9 点给你发送进度提醒了。
小李那个任务能按时完成吗？
根据小李的历史表现（上次 B 项目提前 2 天完成），以及当前进度（已完成 60%），应该能按时完成。不过我注意到他今天请假了，建议明天跟进一下。
关键点
- • 三层记忆架构，分别处理不同时间跨度的信息
- • 会话记忆：理解"那个任务"指的是刚才提到的 UI 设计
- • 项目记忆：知道 A 项目的所有任务和负责人
- • 用户记忆：记住用户的工作习惯（早上 9 点提醒）和团队成员的历史表现
- • 主动推理和建议（注意到请假，建议跟进）
六、常见问题与优化
Q1: Bot 总是忘记之前说的内容？
可能的原因：
- • 上下文轮数设置太小
- • 会话超时，自动清除了历史
- • 没有启用会话记忆
解决方案：
- • 增加上下文轮数（如从 5 增加到 15）
- • 延长会话超时时间
- • 检查会话记忆是否启用
Q2: Bot 回答越来越慢？
可能的原因：
- • 上下文太长，LLM 处理慢
- • 累积了太多无用的对话
解决方案：
- • 减小上下文轮数
- • 使用"上下文压缩"功能（自动总结历史）
- • 定期清理会话
Q3: 如何让 Bot 主动提及历史信息？
在提示词中明确引导：
## 主动使用历史信息 - 如果用户之前提到过相关信息，主动引用 - 例如："您上次提到过..."、"根据您之前说的..." - 这样能让对话更自然、更贴心
Q4: 长期记忆会泄露用户隐私吗？
需要注意隐私保护：
- • 只记录必要的信息，不记录敏感数据（密码、身份证号）
- • 提供"清除记忆"功能，让用户可以删除历史
- • 遵守数据保护法规（如 GDPR）
- • 在隐私政策中说明记忆机制
七、最佳实践
1. 合理设置上下文长度
不是越长越好，根据场景选择：
- • 简单问答：5-10 轮
- • 客服咨询：10-15 轮
- • 深度对话：20-30 轮
2. 使用上下文压缩
当对话很长时，自动总结历史，保留关键信息，减少 token 消耗。
3. 区分短期和长期记忆
不是所有信息都需要长期记住：
- • 短期：临时查询、一次性任务
- • 长期：用户偏好、历史记录、个人信息
4. 提供清除记忆功能
让用户可以主动清除历史记忆，保护隐私，也能解决"Bot 记错了"的问题。
5. 测试边界情况
测试以下场景：
- • 超长对话（50+ 轮）
- • 频繁切换话题
- • 用户说错了信息
- • 会话超时后重新开始
总结
今天我们学习了 Coze 的多轮对话功能。多轮对话让 Bot 从"健忘"变成"记忆力好"，能够理解上下文、记住用户信息，提供连贯、自然的对话体验。
关键要点：
- • 多轮对话 = 上下文记忆 + 指代消解 + 话题延续
- • 会话内记忆（短期）vs 跨会话记忆（长期）
- • 上下文窗口大小需要权衡：太小不连贯，太大响应慢
- • 在提示词中明确说明如何使用上下文
- • 注意隐私保护，提供清除记忆功能
下一章预告
Day 7 我们将学习发布集成功能。如何将 Bot 发布到微信、飞书、网页等平台，以及 API 调用和集成方案。