Как я могу эффективно управлять историей разговоров для динамического создания вопросов с помощью Gemini AI? ⇐ Python

[Anonymous]

В настоящее время я разрабатываю приложение искусственного интеллекта с использованием Gemini для проведения разговорных интервью. На протяжении всего сеанса я сохраняю историю разговоров в файле talk_buffer, но изучаю более эффективные методы, подобные управлению цепочкой памяти OpenAI, чтобы использовать эту историю для динамического создания дополнительных вопросов и контекстно-зависимых ответов.

Код: Выделить всё

import os
from dotenv import load_dotenv
import google.generativeai as genai

load_dotenv()

GOOGLE_API_KEY = os.getenv('GOOGLE_API_KEY')
genai.configure(api_key=GOOGLE_API_KEY)

conversation_buffer = []

def introduce_candidate():
model = genai.GenerativeModel('gemini-pro')
# Introduce candidate and store name in conversation_buffer
# ...

def ask_question(prompt):
# Ask a question to the candidate and store in conversation_buffer
# ...

def generate_follow_up(candidate_name, response):
# Generate follow-up question based on previous responses
# Store follow-up question in conversation_buffer
# ...

def main():
# Main interview session loop
# ...

Вместо того чтобы полагаться исключительно на разговор_буфер, я ищу методологии или функциональные возможности в Gemini или аналогичных платформах искусственного интеллекта, которые позволяют более эффективно управлять историей разговоров для таких приложений. Буду признателен за любые советы и рекомендации по эффективной интеграции этой функции.


Подробнее здесь: https://stackoverflow.com/questions/787 ... -generatio