15天学会AI应用开发（三）把历史对话作为提示词会怎样

“用户之前已经问过你多个问题了，后续推理请参考之前的问答内容。
上次用户的问题和AI的回答按照时间升序排列如下：
【用户】推荐一本关于历史的书，要内容详细、适合入门
【AI】推荐《明朝那些事儿》，通俗好读
【用户】有没有国外历史的？比如欧洲史
【AI】推荐《欧洲通史上下两千年》
【用户】太长了有没有更短的？我只想快速了解核心脉络
【AI】那看《极简欧洲史》精简版，100页搞定”

# 上下文仓库：存放所有历史对话
context_history = []
# 限制最多保留 2 轮对话，超出自动截断
MAX_CONTEXT_ROUND = 2
# 模拟角色标记
ROLE_USER = "用户"
ROLE_AI = "AI"
# 模拟一轮对话 & 上下文管理
def chat(user_input: str) -> tuple[str, str]:
    # ① 先把当前用户问题加入上下文
    context_history.append({
        "role": ROLE_USER,
        "content": user_input
    })
    # 关键：上下文截断，超出限制就删掉最旧的
    while len(context_history) > MAX_CONTEXT_ROUND * 2:
        context_history.pop(0)  # 删除列表第一个（最早的记录）
    # ② 拼接完整上下文的提示词（发给大模型的最终内容）
    full_prompt = ""
    for msg in context_history:
        full_prompt += f"{msg['role']}：{msg['content']}\n"
    # ③ 模拟AI回答（实际项目要调用大模型接口）
    ai_reply = f"我结合上下文回答：收到你的问题【{user_input}】"
    # ④ AI回答也存入上下文，供下一轮使用
    context_history.append({
        "role": ROLE_AI,
        "content": ai_reply
    })
    return ai_reply, full_prompt
# 测试运行
if __name__ == "__main__":
    # 连续多轮提问，观察截断效果
    questions = [
        "请推荐一本小说",
        "再来一本科幻的",
        "不要太长的",
        "有没有悬疑类？"
    ]
    for idx, q in enumerate(questions, 1):
        print(f"\n===== 第{idx}轮对话 =====")
        reply, prompt = chat(q)
        print("当前拼接的完整上下文：")
        print(prompt)
        print("AI回复：", reply)

===== 第1轮对话 =====
当前拼接的完整上下文：
用户：请推荐一本小说
AI回复： 我结合上下文回答：收到你的问题【请推荐一本小说】
===== 第2轮对话 =====
当前拼接的完整上下文：
用户：请推荐一本小说
AI：我结合上下文回答：收到你的问题【请推荐一本小说】
用户：再来一本科幻的
AI回复： 我结合上下文回答：收到你的问题【再来一本科幻的】
===== 第3轮对话 =====
当前拼接的完整上下文：
AI：我结合上下文回答：收到你的问题【请推荐一本小说】
用户：再来一本科幻的
AI：我结合上下文回答：收到你的问题【再来一本科幻的】
用户：不要太长的
AI回复： 我结合上下文回答：收到你的问题【不要太长的】
===== 第4轮对话 =====
当前拼接的完整上下文：
AI：我结合上下文回答：收到你的问题【再来一本科幻的】
用户：不要太长的
AI：我结合上下文回答：收到你的问题【不要太长的】
用户：有没有悬疑类？
AI回复： 我结合上下文回答：收到你的问题【有没有悬疑类？】