Multi-Turn conversations

🤖 对话上下文管理 (Conversation Context Management)

• API 不存储历史 (API Does Not Store History):
• Anthropic API 和 Cloud 不会存储用户发送的消息或模型返回的回复。
• 这意味着 API 本身没有“记忆”。

• 手动维护上下文 (Manual Context Maintenance):
• 若要实现多轮对话（Multi-message conversation），开发者必须在代码中手动维护整个对话历史。
• 核心原则： 每次后续请求（Follow-up request）时，必须将完整的消息列表（Entire list of messages）一并提供给 API。

• 消息结构 (Message Structure):
• 对话历史是一个消息列表（List of messages）。
• 每个消息包含两个关键要素：
• role (角色)：定义消息的发送方，主要包括 user (用户) 和 assistant (助手/模型)。
• content (内容)：消息的具体文本。

• 对话流程 (Conversation Workflow):
• 初始请求 (Initial Request): 用户发送第一条消息。
• 接收回复 (Receive Response): API 返回模型回复（Assistant message）。
• 更新历史 (Update History): 将模型返回的回复（Assistant message）追加（Append）到本地消息列表中。
• 后续请求 (Follow-up Request): 用户发送下一条消息（User message）。
• 发送完整历史 (Send Full History): 将完整的消息列表（包含所有历史 User 和 Assistant 消息）发送给 API。
• 模型响应 (Model Response): 模型基于完整的历史上下文生成连贯的回复。

• 关键辅助函数 (Key Helper Functions):
• add user message: 用于向历史列表添加用户输入。
• add assistant message: 用于向历史列表添加模型回复。
• chat: 封装了调用 API 的核心函数，接收完整的消息列表作为输入。

Takeaways

• API 本身不存储历史，没有记忆功能。
• 开发者必须手动维护整个对话历史。
• 每次后续请求时，必须将完整的消息列表（包含所有历史记录）一并提供给 API。
• 对话中的每个消息必须包含角色 (role) 和内容 (content) 两个要素。