DeepSeek多轮对话

DeepSeek

类型：人工智能

简介：一款基于深度学习和自然语言处理技术的产品，人气赶超ChatGPT。

百科词条 访问网站

DeepSeek的/chat/completions API采用 “无状态”设计理念。也就说明服务端不会主动记录用户请求的上下文信息。因此用户在每一次发起请求时，都需要把之前所有的对话历史精心拼接起来，再传递给对话 API，以此确保模型能够全面理解整个对话的来龙去脉，进而给出精准恰当的回复。

一、Python代码实现多轮对话

接下来将以Python语言为例，向展示如何进行上下文拼接，从而轻松实现多轮对话。

pythonfrom openai import OpenAI
# 初始化 OpenAI 客户端，填入 DeepSeek API Key 并指定 API 基础 URL
client = OpenAI(api_key="<DeepSeek API Key>", base_url="https://api.deepseek.com")
# 第一轮对话
# 构建初始消息列表，包含用户的第一个问题
messages = [{"role": "user", "content": "What's the highest mountain in the world?"}]
# 向 API 发送请求，获取模型的回复
response = client.chat.completions.create(
model="deepseek - chat",
messages=messages
)
# 将模型的回复添加到消息列表中
messages.append(response.choices[0].message)
print(f"Messages Round 1: {messages}")
# 第二轮对话
# 用户提出新的问题，将其添加到消息列表末尾
messages.append({"role": "user", "content": "What is the second?"})
# 再次向 API 发送请求，包含之前的对话历史和新问题
response = client.chat.completions.create(
model="deepseek - chat",
messages=messages
)
# 将本轮模型的回复添加到消息列表中
messages.append(response.choices[0].message)
print(f"Messages Round 2: {messages}")

二、各轮请求消息解析

下面我们详细解析每一轮请求中传递给 API 的 messages 内容：

1、第一轮请求

在第一轮请求时，传递给 API 的 messages 仅包含用户提出的第一个问题：

[
{"role": "user", "content": "What's the highest mountain in the world?"}
]

2、第二轮请求

在进行第二轮请求时，需要按照特定步骤更新 messages 列表：

• 把第一轮中模型给出的输出添加到 messages 列表的末尾，这样模型就能知晓之前的回复内容；
• 将用户新提出的问题添加到 messages 列表的末尾，让模型了解最新的提问；
• 最终传递给 API 的 messages 列表如下：

[
{"role": "user", "content": "What's the highest mountain in the world?"},
{"role": "assistant", "content": "The highest mountain in the world is Mount Everest."},
{"role": "user", "content": "What is the second?"}
]