聊天功能看起来只是不断发送 messages，但真正做成可维护的多轮对话，需要处理历史消息、上下文长度和会话隔离。
为什么要管理上下文？
单轮请求只需要发送当前问题，多轮对话则需要让模型知道之前发生过什么。
如果每次都把所有历史消息完整发送，可能出现：
- 请求内容越来越长
- 响应速度变慢
- 上下文超过限制
- 无关历史影响当前回答
- 不同用户的会话互相混淆
因此，多轮对话的核心不是无限保存消息，而是保留当前任务真正需要的信息。
一、用列表保存一段会话
最简单的方式是使用列表：
messages=[{"role":"system","content":"你是一个专业的技术助手。"}]defadd_message(role:str,content:str):messages.append({"role":role,"content":content})每次用户提问时，先保存用户消息，再调用模型，最后保存模型回答。
二、封装一次完整对话
fromopenaiimportOpenAI client=OpenAI(api_key="your-api-key",base_url="https://your-api-domain.com/v1",)messages=[{"role":"system","content":"你是一个专业的技术助手。"}]defchat(user_input:str)->str:messages.append({"role":"user","content":user_input})response=client.chat.completions.create(model="your-model-name",messages=messages,)answer=response.choices[0].message.content messages.append({"role":"assistant","content":answer})returnanswer这样可以保留上下文，但消息会不断增长，所以还需要设置窗口大小。
三、只保留最近几轮消息
deftrim_messages(messages:list[dict],max_messages:int=10)->list[dict]:system=[itemforiteminmessagesifitem["role"]=="system"]history=[itemforiteminmessagesifitem["role"]!="system"]returnsystem+history[-max_messages:]调用前处理：
messages=trim_messages(messages,max_messages=10)这种方法实现简单，适合短对话和上下文关系不复杂的场景。
四、为什么简单截断有时不够？
如果较早的消息包含重要信息，直接删除可能导致模型忘记：
- 用户的目标
- 已经确定的方案
- 项目约束
- 已完成的步骤
这时可以把较早内容压缩成摘要，再保留最近几轮原始消息。
五、使用摘要保存长期信息
可以设计一个会话对象：
classConversation:def__init__(self):self.summary=""self.recent_messages=[]defbuild_messages(self):messages=[]ifself.summary:messages.append({"role":"system","content":f"历史摘要：{self.summary}"})messages.extend(self.recent_messages)returnmessages摘要中建议只保留：
- 当前目标
- 已确认事实
- 关键约束
- 待处理事项
不要把所有原文重新复制进去，否则摘要就失去了作用。
六、给每个用户单独保存会话
多用户应用不能共用一个全局messages列表。可以使用会话 ID：
sessions={}defget_session(session_id:str)->list[dict]:ifsession_idnotinsessions:sessions[session_id]=[{"role":"system","content":"你是一个专业的技术助手。"}]returnsessions[session_id]调用时：
messages=get_session("user-001")messages.append({"role":"user","content":"我的问题"})实际项目中，session ID 应该来自登录用户、会话令牌或业务请求，而不是直接使用用户输入作为唯一标识。
七、会话持久化
如果只保存在内存中，程序重启后历史会丢失。小型项目可以使用 SQLite 保存消息：
CREATETABLEmessages(idINTEGERPRIMARYKEYAUTOINCREMENT,session_idTEXTNOTNULL,roleTEXTNOTNULL,contentTEXTNOTNULL,created_atREALNOTNULL);查询某个会话时，按created_at排序，再根据窗口策略取最近消息。
八、上下文管理的几个注意点
1. 系统提示词不要重复堆叠
每次构建消息时保持一份清晰的系统提示即可。
2. 不要无限保存原始消息
要设置窗口、摘要或过期策略。
3. 会话之间必须隔离
不要让不同用户共享同一个消息列表。
4. 摘要要定期更新
历史变长后，再生成一次更短的摘要。
5. 注意隐私数据
保存前应考虑脱敏、权限和过期删除。
九、推荐的管理顺序
可以按这个顺序实现：
- 列表保存消息
- 保留最近几轮
- 增加会话 ID
- 使用摘要保存长期信息
- 用 SQLite 或其他存储持久化
- 增加过期和清理机制
先解决会话隔离和长度控制，再考虑复杂的记忆系统。
十、结语
多轮对话上下文管理的核心是：
- 保存有用的信息
- 删除无关的历史
- 控制消息长度
- 隔离不同会话
- 必要时使用摘要
对于 Python AI 项目来说，合理的上下文管理可以让聊天功能更稳定，也方便后续接入数据库、缓存和权限控制。
免责声明
本文内容仅用于技术交流与经验分享，具体实现请结合项目实际情况调整。