多轮对话实现

接上一篇博文，简单实现了API调用，这篇记录一下多轮对话，以及使用流模式输出的过程。

从官方文档得知API 是一个“无状态” API，即服务端不记录用户请求的上下文，用户在每次请求时，需将之前所有对话历史拼接好后，传递给对话 API。

以两次会话为例：

第一次

[

        {'role': 'system', 'content': '你是一个知识渊博的助手，请帮助用户解答问题'},

        {'role': 'user', 'content': '1+1等于几'}

]

第二次，注意要把assistant的回复也加进去

[

        {'role': 'system', 'content': '你是一个知识渊博的助手，请帮助用户解答问题'},

        {'role': 'user', 'content': '1+1等于几'},

        {'role': 'assistant', 'content': '1+1等于2。这是基本的数学加法运算。'},

        {'role': 'user', 'content': '2+2等于几'}

] 

如此重复循环就可以完成任意轮对话，并且模型可以“记住”前面的对话，附关键代码片段（使用流模式输出，提升用户体验）

messages = [
        {"role": "system", "content": "你是一个知识渊博的助手，请帮助用户解答问题"},
    ]
i = 0
print("请输入任意问题后开始对话，输入exit退出。")
while True:
    assistantOutput = ""
    i = i + 1
    userInput = input(f"{i}.问：")
    if userInput.lower() == "exit" :
        break;
    else:
        messages.append({"role": "user", "content": userInput})
        response = client.chat.completions.create(
            model="deepseek-chat",
            messages = messages,
            stream=True,  # 流式
        )
        print(f"{i}.答：", end="",flush=True)
        for chunk in response:
            assistantOutput += chunk.choices[0].delta.content
            print(chunk.choices[0].delta.content,end='',flush=True) #输出实时刷新
        print("")
        messages.append({"role": "assistant", "content": assistantOutput})