red2brick的博客

多轮对话功能可以让大模型“拥有记忆”，满足如追问、信息采集等需要连续交流的场景。AI大模型API 不会记录您的对话历史记录。如果您需要让大模型参考历史对话信息，需要将历史对话信息与新的指令一同输入到AI大模型对应 API 中。实现多轮对话的关键在于维护一个 messages 列表，您可以将每一轮的对话历史以及新的指令以{“role”: “xxx”, “content”: “xxx”}的形式添加到 messages 列表中，从而使大模型可以参考历史对话信息进行问题回复。

大模型收到输入后并不是一次性生成最终结果，而是逐步地生成中间结果，最终结果由中间结果拼接而成。相比非流式输出，流式输出可以实时地将中间结果返回，您可以在模型进行输出的同时进行阅读，减少等待模型回复的时间；并且当输出内容较长时，有效降低请求超时的风险。本文给出了使用Python requests库调用大型语言模型（LLM）API的非流式输出与流式输出的简单介绍和代码实例。

张三面前有A、B两个笼子，每只笼子中混装着一些鸡和兔：A笼中鸡兔的比例是3：1；B笼中鸡兔的比例是1：2。销售时有两种组合套餐方案，3只鸡搭配1只兔或1只鸡搭配2只兔。请编一个程序，用户在同一行内输入两个整数，代表两个笼中全部鸡和兔的头和脚的数量，编程计算两笼中各有多少只鸡和兔以及两笼中共有多少鸡和兔。

今有垣厚十尺，两鼠对穿。大鼠日一尺，小鼠亦一尺。大鼠日自倍，小鼠日自半。问：何日相逢？各穿几何？