Multi-turn Chat（多轮对话） — KK Chat的上下文理解能力

前面我们已经学习了 SQLite，实现了聊天记录保存。
但是，仅仅保存聊天记录，并不意味着 AI 能够记住之前聊过的内容。
今天，我们学习了 Multi-turn Chat（多轮对话），真正让 Chatbot 拥有理解上下文的能力。

---

一、为什么需要多轮对话？

先举一个例子。
没有上下文：

你：我今年20岁

AI：好的。

你：那我明年多少岁？

AI：？？？

为什么 AI 不知道？
因为第二句话：

那我明年多少岁？

里面根本没有：

20岁

如果模型只收到：

那我明年多少岁？

它当然不知道。
所以AI 并不是"忘记"。
而是它根本没有收到上一句话。

---

二.为什么大模型没有上下文

因为OpenAI API,每一次请求,都是独立的。
例如：

第一次：
messages=[{"role":"user","content":"我今年20岁"}]


第二次：
如果：
messages=[{"role":"user","content":"我明年多少岁？"}]

模型看到的只有：

我明年多少岁？

所以不知道。

---

三、history 是什么？

Chatbot接下来需要把以前聊天记录,全部发送过去。
例如：

数据库：
user

assistant

user

assistant

load_history()
恢复：
history=[...]

然后组成：

messages=[system]+history

于是真正发送给模型的是：

messages=[{"role":"system",...},{"role":"user","content":"我今年20岁"},{"role":"assistant","content":"好的"},{"role":"user","content":"那我明年多少岁？"}]

这时候模型终于知道上一句话是什么了。

---

四、什么叫上下文（Context）

上下文就是之前发生的所有聊天。
例如：

用户：

介绍FastAPI

AI：
FastAPI......

下一句：

它和Flask有什么区别？

这里：

它

是谁？只有上下文才能知道：

它=FastAPI

如果没有history,AI根本不知道："它"是谁。

---

五、Multi-turn Chat 是怎么实现的？

整个流程如下：

程序启动
      │
      ▼
SQLite
      │
SELECT
      │
history
      │
      ▼
messages = [system] + history
      │
      ▼
OpenAI SDK
      │
      ▼
GPT
      │
      ▼
返回回答
      │
      ▼
保存到SQLite

这里

• SQLite负责保存历史。

• history负责恢复历史。

• messages负责发送历史。

• OpenAI负责理解历史。

---

六、history 和 messages 有什么区别？

这是今天最容易混淆的地方。
其实history只是聊天记录。
例如：

history=[userassistantuserassistant]

而真正发送给模型的是：

messages=[system]+history

所以：

messages

=

system

+

history

---

七、总结

今天学习的其实也是聊天机器人的整个数据流

SQLite
      │
      ▼
SELECT
      │
      ▼
history
      │
      ▼
messages=[system]+history
      │
      ▼
OpenAI SDK
      │
      ▼
GPT
      │
      ▼
AI回答
      │
      ▼
SQLite

整个流程形成了闭环。