大模型实战 P7 OpenAI接口实现多轮对话
前面课程当中，给大家介绍了 OpenAI 接口，实现单轮对话，也就是一问一答的场景。但在真实项目当中，多轮对话也是很常见的，也就是说会有多次提问，并且前后是有承接关系的对话场景。这节课，我们就来用一种简单直接的方式，实现多轮对话的过程。
代码示例
1、基本结构
# openai_04_multi_round.py
from openai import OpenAI
from dotenv import load_dotenv
load_dotenv()
client = OpenAI()
messages = []
response = client.chat.completions.create(
model="gpt-3.5-turbo",
messages=messages
)
print(response.choices[0].message.content)
2、循环构建多轮对话
while True:
content = input('User: ')
messages.append({"role": "user", "content": content})
response = client.chat.completions.create(
model="gpt-3.5-turbo",
messages=messages
)
asst_content = response.choices[0].message.content
print('Assistant: ', asst_content)
messages.append({"role": "assistant", "content": asst_content})
# print(messages)
3、验证多轮对话效果
User: 感冒是一种什么病？
User: 一般会有哪些症状？
User: 吃什么药好得快？
在上面例子中，我们用的是把所有历史对话都带上的方法，实现了多轮对话的效果。但是，大家可能也发现了，这个方法其实存在一个问题，就是聊的时间越长，会越贵，因为历史的 messages 会积压，token 数量会越来越多。
这个问题，会在后面 Langchain 的部分，给大家介绍相应的解决方案。
本文链接：http://ichenhua.cn/edu/note/686
版权声明：本文为「陈华编程」原创课程讲义，请给与知识创作者起码的尊重，未经许可不得传播或转售！
