上一课的程序只能问一次就结束，体验很割裂。更奇怪的是，你告诉它「我叫小明」，下一句再问「我叫什么」，它会说「我不知道」。这一课，我们把这两件事一次性解决。

一、先让它能连续对话

只需要一个 while 循环。修改 main.py：

from openai import OpenAI
import os

client = OpenAI(
    api_key=os.environ["DEEPSEEK_API_KEY"],
    base_url="https://api.deepseek.com"
)

while True:
    user_input = input("你：")

    if user_input.lower() == "exit":
        break

    response = client.chat.completions.create(
        model="deepseek-chat",
        messages=[
            {"role": "user", "content": user_input}
        ]
    )

    print("AI：", response.choices[0].message.content)

运行后：

你：你好
AI：你好！有什么可以帮助你的？

你：什么是 Transformer？
AI：Transformer 是一种……

你：exit

恭喜，你已经做出了一个最简单的 AI Chatbot。

一句话概括：while True 让程序不再「问完就跑」，而是持续等待你的输入。

二、但它为什么记不住你？

试着这样对话：

你：我叫小明。
AI：好的。

你：我叫什么？
AI：我不知道。

别急着怪模型笨。问题出在我们自己身上——每一次请求，其实都是全新的、独立的：

第一次请求：
用户 →「我叫小明」→ LLM

第二次请求：
用户 →「我叫什么？」→ LLM   ← 它根本没见过第一句话

模型没有记忆，它只看得见你这一次发给它的内容。第一次对话的内容，在第二次请求时压根没传过去。

一句话概括：模型不是失忆，是我们根本没把历史递给它。

三、引入「对话历史」

解决办法很简单：把每一轮对话都存进一个 messages 列表，每次请求都把整个历史一起发过去。

messages = []

while True:
    user_input = input("你：")

    if user_input.lower() == "exit":
        break

    # 1. 把你的话加入历史
    messages.append({
        "role": "user",
        "content": user_input
    })

    # 2. 把整个历史发给模型
    response = client.chat.completions.create(
        model="deepseek-chat",
        messages=messages
    )

    answer = response.choices[0].message.content

    # 3. 把模型的回答也加入历史
    messages.append({
        "role": "assistant",
        "content": answer
    })

    print("AI：", answer)

现在再试：

你：我叫小明
AI：你好，小明！

你：我叫什么？
AI：你叫小明。

它记住了。因为每次请求，我们都把完整历史打包发给了模型。

这里有个关键角色：role

messages 里每条消息都有一个 role，它决定了这句话是谁说的：

role	含义	举例
user	用户说的话	「我叫小明」
assistant	模型说的话	「你好，小明！」
system	系统设定（可选）	「你是一个专业助手」

一句话概括：Memory 的第一步，就是老老实实把对话历史存下来、每次都带上。

四、这就是 Agent 的「记忆」雏形

我们刚才做的 messages 列表，其实就是最朴素的 Memory。它不需要数据库，一个 Python 列表就够了。

随着项目变复杂，你会逐步升级它：

列表 memory → SQLite → PostgreSQL / Redis → 向量数据库 + Embedding → RAG

但对初学者来说，先用最简单的方式跑通，比一步到位更重要。

一句话概括：先有记忆，再谈智能；能记住上下文，才谈得上真正的 Agent。

总结

这一课我们做了两件事：用 while 循环让它能连续聊天，用 messages 历史让它能记住上下文。

到这里，你的程序已经是一个像样的聊天机器人了。但它还只会「聊天」——它不能搜索，不会计算，不能替你做任何实际操作。下一课，我们迎来最关键的一次跨越：给 AI 装上工具，让它学会 Tool Calling。

---

下一课预告

第4课：让 AI 学会用工具——Tool Calling 第一步（计算器）。