多轮上下文：对话记忆管理

多轮对话中，模型本身无状态，需由应用把历史消息传回上下文才能「记住」前文。受上下文窗口与成本限制，记忆管理是必须设计的一环。

是什么

常见三种策略：全量拼接（每次都把历史原样发送）、摘要压缩（把旧对话归纳成简短摘要）、显式状态（只保留关键槽位如订单号）。OpenAI 的对话接口即采用消息数组形式维护历史。

为什么重要

无记忆的模型会重复询问、前后矛盾；但无脑堆历史又会超出窗口并增加费用，还可能让模型被早期无关内容干扰。需要在连贯性与成本间取舍。

怎么做

用消息数组维护轮次：

[
  {"role": "system", "content": "你是订票助手"},
  {"role": "user", "content": "我要去北京"},
  {"role": "assistant", "content": "好的，几号出发？"},
  {"role": "user", "content": "下周一"}
]

注意点

• 长对话应定期摘要旧轮次，控制 token 用量。
• 只保留任务必需状态，减少噪声。
• 注意上下文窗口上限，超出会被截断丢信息。

小结

多轮上下文靠应用侧维护历史，通过全量、摘要或显式状态三种记忆策略在连贯性与成本间平衡，是会话类应用的基础工程。

参考与延伸阅读

• OpenAI 对话消息格式文档。已核验。https://platform.openai.com/docs/api-reference/chat/create
• Anthropic 提示工程：上下文管理。已核验。https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/overview