上一篇使用 Whisper 把语音转换成文字，再交给 Qwen3 回答。这个过程可以实现语音输入，但 Qwen3 实际接收到的仍然只有文字。 如果还希望程序理解图片，就需要增加真正的多模态模型。本文在 M1 Max 上部署 mlx-comm

上一篇完成了一个可以保存多轮历史的聊天机器人，但它只能在终端中运行。普通用户更习惯在网页里输入消息，也希望直接使用麦克风说话。 本文为聊天机器人增加 Gradio 页面，并使用 MLX Whisper 在 Apple Silicon 上完成

前文已经介绍了本地模型、OpenAI 兼容接口、消息、提示词模板和输出解析器，但每个示例基本都只完成一次调用。 真正的聊天机器人还要解决一个问题：用户说完第一句话后，模型能不能在第二轮继续理解前面的内容？ 例如： 用户：我叫小明。 助手：你

前文已经介绍了消息和提示词模板。前面的示例向模型发送问题后，得到的主要还是一段自然语言。 自然语言适合人阅读，但程序更希望得到稳定的数据。例如，程序需要的天气信息可能是： { "city": "北京", "conditio