1. messages 对话数组

底层原理

大模型无独立数据库存储对话，所有交互依托标准messages数组传输。数组内每条元素标记角色（system/user/assistant）+ 对应文本，模型仅解析该数组内容生成回复；数组为空时，无输入上下文，模型不会输出内容。

应用方法

1. 格式规范：遵循通用结构，区分角色位

   json

   [ {"role":"system","content":"人设/规则"}, {"role":"user","content":"用户提问"}, {"role":"assistant","content":"AI历史回复"} ]

2. 实操规则：每一轮对话都追加新消息到数组尾部；多轮对话完整保留历史消息。

典型场景

所有对话类应用、Agent 会话、接口调用；避坑：数组乱序、角色标注错误会导致语义理解错乱。

2. 上下文窗口（Context Window）

底层原理

模型单次推理有固定字符 / Token 上限，不存在持久记忆。实现 “记忆” 的唯一方式：把完整历史对话 + 当前问题全部拼接进 messages 数组，一次性投喂给模型。超出窗口上限会自动截断内容，造成记忆丢失。

应用方法

1. 基础用法：短对话直接全量传递历史消息；
2. 进阶优化（长会话）：
   • 滑动窗口：只保留最近 N 轮对话；
   • 摘要压缩：用模型把老旧对话浓缩为简短摘要，减少 Token 占用；
3. 选型参考：小模型窗口小，长链路 Agent 优先选用