【Python AI 落地实战专栏】第 2 讲 大模型 API 进阶：多轮对话记忆 + 函数调用 + 流式输出，打造可用的智能应用

专栏导读：本专栏承接「Python 系统入门 25 讲」的完整知识体系，聚焦 AI 垂直领域的工程落地。上一讲我们实现了基础的单轮问答，但真实的 AI 产品绝不是一问一答就结束。本文深入讲解大模型 API 的三大核心进阶能力：多轮上下文记忆、函数调用（工具调用）、流式输出，从底层原理到逐行代码实现，再到工程化最佳实践，带你从 “能调用 API” 升级到 “能做可用的 AI 产品”。一、多轮对话：让大模型拥有 “记忆”1. 单轮对话的核心痛点上一讲的单轮问答每次都只传入当前用户的问题，模型没有任何历史对话的记忆。比如：用户：用 Python 写一个冒泡排序模型：（输出代码）用户：优化一下模型：（不知道 “优化什么”，答非所问）本质原因：大模型本身是无状态的，每次请求都是独立的，不会自动保存上一次的对话内容。要实现多轮对话，必须手动把完整的历史对话传入请求参数。2. messages 的角色体系与上下文原理大模型通过messages数组传递对话信息，数组中每一条消息都有role（角色）和content（内容），三个核心角色：角色功能说明出现位置