核心思路：大模型对话接口本身无状态，每次请求把「系统设定 + 历史消息 + 新提问」整段发给模型，模型基于这段上下文作答；多轮对话就是不断把一问一答追加进消息列表再原样传回。示例用 OpenAI 兼容接口的官方 Python 包，密钥到各服务商控制台自行申请，文中出现的密钥均为占位符。

1. 准备 Python 环境

安装 Python 3.8 以上版本，确保 python 和 pip 在命令行可用。Windows 可在官网下载安装包时勾选「Add to PATH」。

2. 申请 API Key

到所用大模型服务商的开发者控制台注册账号，创建一个 API Key。密钥只在创建时完整显示一次，复制后放进环境变量（如 OPENAI_API_KEY）供代码读取，不要硬编码进代码或提交到仓库。

3. 安装 openai 包

执行 pip install openai。官方 SDK 封装了 HTTP 调用，兼容 OpenAI 及大多数同协议的服务商（在 OpenAI(base_url=...) 里指向你的服务商地址即可）。

4. 发起单轮对话

先跑通最简调用：新建客户端，传一条 user 消息，打印模型回复。

from openai import OpenAI
import os

client = OpenAI(api_key=os.environ["OPENAI_API_KEY"])
resp = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "你好，用一句话介绍自己"}],
)
print(resp.choices[0].message.content)

5. 维护多轮上下文

对话接口不记状态，多轮靠「消息列表」自己攒：每次把 system 设定和历史一问一答原样带上，再把模型回复追加回去。

messages = [{"role": "system", "content": "你是一个简洁的助手。"}]

messages.append({"role": "user", "content": "1+1 等于几？"})
reply = client.chat.completions.create(model="gpt-4o-mini", messages=messages).choices[0].message.content
print(reply)
messages.append({"role": "assistant", "content": reply})

# 下一轮继续 append 即可；历史越长越费 token，可按需裁剪

6. 流式输出

长回复想边生成边显示，把 create 加上 stream=True，逐块打印 delta。

stream = client.chat.completions.create(model="gpt-4o-mini", messages=messages, stream=True)
for chunk in stream:
    print(chunk.choices[0].delta.content or "", end="", flush=True)

7. 封装成 CLI

把多轮 + 流式拼成一个 input 循环，就是一个可交互的对话工具，输入 exit 或 退出 结束。

print("输入 exit 退出")
while True:
    user = input("你：")
    if user.strip() in ("exit", "退出"):
        break
    messages.append({"role": "user", "content": user})
    stream = client.chat.completions.create(model="gpt-4o-mini", messages=messages, stream=True)
    print("AI：", end="", flush=True)
    for chunk in stream:
        print(chunk.choices[0].delta.content or "", end="", flush=True)
    print()