Multi-turn conversations

🤖 对话上下文管理核心概念 (Conversation Context Management)

• API 存储限制 (API Storage Limitation):
• Anthropic API 和 Cloud 不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”能力。

• 手动维护上下文 (Manual Context Maintenance):
• 为了实现多轮、连贯的对话，开发者必须在代码中手动维护整个对话历史记录（Message List）。
• 每次后续请求（Follow-up Request）时，必须将完整的消息列表（包含所有历史消息）一并提供给 API。

• 对话流程 (Conversation Flow):
• 初始请求 (Initial Request): 发送第一个用户消息 → 接收模型回复。
• 更新历史记录 (Update History): 将模型返回的回复（Assistant Message）追加到消息列表中。
• 后续请求 (Follow-up Request): 发送新的用户消息 → 再次将完整的历史列表发送给 API → 接收上下文相关的回复。

• 关键辅助函数 (Key Helper Functions):
• add user message: 将用户输入添加到消息历史列表。
• add assistant message: 将模型返回的回复添加到消息历史列表。
• chat: 负责调用 API，接收完整的消息历史列表作为输入。

Takeaways

• API 和 Cloud 本身不存储用户消息或模型回复，没有内置的“记忆”能力。
• 为了实现连贯对话，开发者必须在代码中手动维护整个对话历史记录（Message List）。
• 每次后续请求（Follow-up Request）时，必须将完整的历史消息列表一并提供给 API。
• 对话流程涉及使用 add user message 和 add assistant message 函数来更新历史记录。