问题原因 #

1. 对话历史格式错误：Ollama的chat()方法要求对话历史是包含role（user/assistant）和content的字典数组，若你只是单纯存储提问文本，模型会把所有内容当成新提问，导致重复回答。
2. 自定义模型模板缺失角色区分：你的Jarvis模型文件可能没有明确对话轮次的角色标识，模型无法区分历史提问、回答，进而重复处理所有内容。

解决办法 #

1. 修正对话历史结构 #

确保conversationHistory的每一项都符合Ollama要求的格式，示例：

# 正确的对话历史结构
conversationHistory = [
    {"role": "user", "content": "你好Jarvis"},
    {"role": "assistant", "content": "您好，先生，有什么可以帮您的？"},
    {"role": "user", "content": "今天天气怎么样？"}
]

每次交互时，先追加用户提问，调用chat()后再追加模型回答，让模型能识别对话轮次。

2. 检查并修复自定义模型模板 #

打开你的Jarvis模型文件（通常为.modelfile），确保模板包含明确的角色分隔规则，示例：

FROM llama2
SYSTEM """
你是钢铁侠的助手Jarvis，语气冷静严谨，用专业简洁的风格回应。
对话规则：
用户：[用户的问题]
Jarvis：[你的回答]
"""

缺失这类规则会导致模型无法区分上下文层级，重复处理所有输入内容。

3. 修正Python代码逻辑 #

以下是修正后的核心代码：

import ollama
import speech_recognition as sr

# 初始化符合格式的对话历史
conversationHistory = []

def speech_to_text():
    r = sr.Recognizer()
    with sr.Microphone() as source:
        print("请说话...")
        audio = r.listen(source)
    try:
        return r.recognize_google(audio, language='zh-CN')
    except sr.UnknownValueError:
        return "抱歉，我没听清内容"
    except sr.RequestError:
        return "语音识别服务不可用"

while True:
    user_input = speech_to_text()
    if user_input.lower() in ["退出", "结束"]:
        break
    # 追加用户提问到历史
    conversationHistory.append({"role": "user", "content": user_input})
    # 调用Ollama对话接口
    response = ollama.chat(model='jarvis', messages=conversationHistory)
    assistant_reply = response['message']['content']
    print(f"Jarvis: {assistant_reply}")
    # 追加模型回答到历史
    conversationHistory.append({"role": "assistant", "content": assistant_reply})

验证效果 #

修正后，模型会结合历史上下文仅回应最新提问，不会重复回答所有历史问题。

内容的提问来源于stack exchange，提问作者Shmuck