用 QSTAR API 管理多轮对话上下文

核心思路：messages 是状态

多轮对话没有魔法，本质是你每次请求都把历史 messages 数组整体发给模型。前端或后端负责维护这个数组，模型本身不记得上一轮。

最小化可跑示例

下面用 Node.js 演示：把每轮的用户输入与助手回复依次 push 进 messages，再带着完整数组发起下一次请求。

• 用环境变量 QSTAR_API_KEY 注入密钥，绝不硬编码
• base_url 指向 /v1，路径与 OpenAI 一致
• 每次只 append，不修改历史，保证可复现

控制上下文成本

历史越长，token 越贵、延迟越高。常见做法是：保留系统提示与最近 N 轮，超出的早期对话做摘要压缩后保留一条 summary 消息。

• 滑动窗口：只保留最近 8~12 轮
• 摘要压缩：把更老的对话 summarise 成一条
• 关键事实抽取：把订单号等关键信息抽成独立 memory

别忘了流式与错误重试

生产环境建议开启 stream 以尽快渲染首字，并对 429/5xx 做指数退避重试；上下文截断要与用户可见提示联动，避免「突然忘了前面说的」。