必须主动构造并维护对话历史以支持连续追问，推荐用ChatSession自动管理；需复用同一实例，跨请求时用Redis持久化message列表并实时更新。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在调用Gemini API时让模型记住上一轮的提问和回答，从而支持连续追问、状态延续、任务分步推进，必须主动构造并维护对话历史，不能依赖模型自动记忆。
使用ChatSession对象自动管理会话
这是最轻量、最推荐的入门方式，适合单进程内快速搭建带记忆的Bot原型。
第一步：初始化支持聊天的模型实例，必须指定带“-latest”后缀的版本，例如 【gemini-1.5-flash-latest】；旧版如“gemini-pro”不支持ChatSession接口。
第二步：调用 model.start_chat() 创建一个 ChatSession 实例，它内部已初始化空的 messages 列表，后续所有 send_message() 都会自动追加历史。
第三步：对同一 ChatSession 实例反复调用 send_message("用户新问题")，SDK 会在每次请求中把完整 history 拼成 message 数组传给API。这一步操作起来很简单，直接把字符串传进去就行。
⚠️ 注意：如果在循环中每次都写 chat = model.start_chat()，那就等于每轮都新建会话，历史永远只有当前这一条——【必须复用同一个 chat 实例】。
手动拼接message列表控制上下文
当你需要精确控制角色标签、跳过默认格式、或对接已有消息结构时，绕过ChatSession更灵活。
方法一：显式标注角色 + 时间序拼接
构造一个字典列表，每条消息含 role 和 parts 字段；role 必须严格为 "user" 或 "model"；首条必须是 user；相邻消息 role 不能重复。
方法二：插入分隔符增强结构识别
在每轮消息之间加入统一符号（如 --- ），并在系统提示词里声明：“请根据以下用‘---’分隔的对话历史作答”。实测发现 Gemini 对这种视觉锚点敏感度高于纯换行，尤其在长历史中能减少角色混淆。
方法三：动态截断+关键信息重申
当 messages 列表 token 超过 4096，从开头逐轮移除最旧消息，但遇到含变量指代（如“那个参数”“刚才的文件名”）的轮次，必须把对应实体值提取出来，以“当前上下文：文件名为 report_v2.xlsx”形式补在末尾。否则模型会因丢失指代对象而胡猜。
跨请求持久化会话状态
Web服务中，HTTP无状态特性导致每次请求都是全新进程，ChatSession 无法存活，必须外挂存储。
① 为每个用户生成唯一 session_id，例如 hashlib.md5(f"{user_id}_{timestamp}".encode()).hexdigest()[:12]。
② 每次收到用户消息前，用 session_id 从 Redis 读取已序列化的 message 列表（json.loads(redis.get(session_id))）。
③ 将新用户消息追加进列表，调用 model.generate_content(messages)，拿到响应后，把响应也以 {"role": "model", "parts": [response_text]} 格式追加进列表。
④ 更新 Redis：redis.setex(session_id, 3600, json.dumps(messages)) —— 这里设 1 小时过期，避免无效会话长期占内存。
这一步的关键在于：不要等整个会话结束再存，而是每次交互后立刻更新。否则用户刷新页面或网络中断一次，最后那轮就丢了。
