DeepSeek 如何在每次请求时正确拼接对话历史？

在使用在使用 DeepSeek 进行对话时，正确处理和拼接对话历史非常重要。具体做法如下：

1. 理解对话历史结构

对话历史通常是一个列表，包含用户和模型的交替消息。每个消息是一个字典，包含 role 和 content 两个字段，role 可以是 "user" 或 "assistant"，content 是对话内容。例如：

conversation_history = [
    {"role": "user", "content": "你好！"},
    {"role": "assistant", "content": "你好！有什么可以帮助你的？"}
]

2. 拼接方法

每次新的用户输入都需要追加到对话历史中，发送请求后，模型的回复也需要追加。以下是示例：

def add_user_message(history, user_input):
    history.append({"role": "user", "content": user_input})
    return history

def add_assistant_message(history, assistant_response):
    history.append({"role": "assistant", "content": assistant_response})
    return history

# 示例
conversation_history = []
conversation_history = add_user_message(conversation_history, "你好！")

# 发送请求，假设返回的回复为 "你好！有什么可以帮助你的？"
reponse = "你好！有什么可以帮助你的？"
conversation_history = add_assistant_message(conversation_history, reponse)
```### 3. 处理长对话
为避免上下文过长，需限制对话历史长度，可通过截取最后几条消息或按 token 数截断。例如：

```python
def truncate_history(history, max_length=10):
    return history[-max_length:]

4. 完整示例

以下是一个完整的示例：

def chat_with_deepseek(prompt, history):
    history = add_user_message(history, prompt)
    # 假设 send_to_deepseek 是发送请求的函数
    response = send_to_deepseek(history)
    history = add_assistant_message(history, response)
    return response, history

# 初始化
conversation_history = []

# 用户输入
user_input = "你好！"
response, conversation_history = chat_with_deepseek(user_input, conversation_history)
print("Assistant:", response)

# 再次输入
user_input = "今天天气怎么样？"
response, conversation_history = chat_with_deepseek(user_input, conversation_history)
print("Assistant:", response)

总结

正确处理对话历史的关键是维护一个包含交替消息的列表，并在每次请求前后更新它。通过合理管理，可以确保模型理解上下文并生成连贯的回复。