使用聊天

SDK 方法如 llm.respond()、llm.applyPromptTemplate() 或 llm.act() 均接受一个 chat 参数作为输入。使用该 SDK 时，有几种方式可以表示对话。

选项 1：输入单个字符串

如果你的对话中只有一条用户消息，你可以使用单个字符串来表示该对话。以下是使用 .respond 方法的示例。

prediction = llm.respond("What is the meaning of life?")

选项 2：使用 Chat 辅助类

对于更复杂的任务，建议使用 Chat 辅助类。它提供了各种常用的方法来管理对话。以下是使用 Chat 类的示例，在初始化对话实例时提供初始系统提示词，然后通过对应的方法调用添加初始用户消息。

chat = Chat("You are a resident AI philosopher.")
chat.add_user_message("What is the meaning of life?")

prediction = llm.respond(chat)

你还可以使用 Chat.from_history 方法快速构建 Chat 对象。

chat = Chat.from_history({"messages": [
  { "role": "system", "content": "You are a resident AI philosopher." },
  { "role": "user", "content": "What is the meaning of life?" },
]})

选项 3：直接提供对话历史数据

由于接受对话历史记录的 API 在内部使用 Chat.from_history，它们也接受常规字典格式的对话历史数据

prediction = llm.respond({"messages": [
  { "role": "system", "content": "You are a resident AI philosopher." },
  { "role": "user", "content": "What is the meaning of life?" },
]})