1. 为什么第一句是 print 调试#

1
print("----------> 重新执行此文件 , 渲染展示页面")

因为 Streamlit 每次交互都会重新执行整个脚本（见 Streamlit入门）。这行 print 打在终端里，用来亲眼确认”脚本又跑了一遍”——理解这一点，才能理解后面为什么必须用 st.session_state。

2. 用 session_state 保存聊天记录#

1
if "messages" not in st.session_state:
2
    st.session_state.messages = []

3. 渲染历史消息#

1
for message in st.session_state.messages:
2
    st.chat_message(message["role"]).write(message["content"])

messages 列表里的每个元素都带 role，直接把它传给 st.chat_message()，user 显示在右侧、assistant 显示在左侧，样式自动区分。

4. 输入的判断#

1
if prompt:

st.chat_input() 在用户还没输入内容时返回 None，输入并回车后返回字符串。字符串在 if 中会自动转成布尔值：非空为 True，"" 为 False。所以 if prompt: 等价于”用户这次真的发了消息”。

5. 这一轮调用为什么只发了两个 message#

1
messages=[
2
    {"role": "system", "content": system_prompt},
3
    {"role": "user", "content": prompt},
4
]

这一版只把当前这一句发给模型，所以此时 AI 还记不住上一轮（模型是无状态的）。下一步就要改造成”带上历史消息”，见 会话记忆。

一、回忆填空（写完再展开对答案）#

1. 页面配置、大标题、Logo 分别是：st.set_page_config / st.____ / st.____
2. 初始化聊天记录：if "messages" not in st.____: st.session_state.messages = ____
3. 渲染历史消息：for message in st.session_state.messages: st.____(message["____"]).write(message["content"])
4. 底部聊天输入框：prompt = st.____("请输入您要问的问题")
5. if prompt: 能判断”用户这次真的发了消息”，是因为非空字符串转布尔值是 ____
6. 存下用户的问题：st.session_state.messages.____({"role": "user", "content": prompt})
7. 取模型回复：response.____[0].____.content
8. 为什么必须用 st.session_state？因为 Streamlit 每次交互都会 ____ 整个脚本，普通变量会丢

二、裸写题#

• 2-1 先把”记忆”跑起来 不接大模型：用两条假消息（一条 user、一条 assistant）初始化 st.session_state.messages，把它们渲染成聊天气泡；再放一个输入框，用户输入后追加到列表并回显。

  提示（先自己想，实在想不出再点开）

  一级 · 思路：页面每次重跑都要能”看到”历史 → 用 session_state；渲染就是遍历列表 二级 · 方法：st.session_state / st.chat_message / st.chat_input 三级 · 骨架：for message in ...: st.chat_message(message["role"]).write(message["content"])

  参考答案（做完再点开）

  1
  import streamlit as st
  2
  
  3
  # 先塞两条假消息，检验"渲染 + 追加"这条链路
  4
  if "messages" not in st.session_state:
  5
      st.session_state.messages = [
  6
          {"role": "user", "content": "你好"},
  7
          {"role": "assistant", "content": "你好呀，我是小甜甜~"},
  8
      ]
  9
  
  10
  st.title("AI智能伴侣（暂不接模型）")
  11
  
  12
  # 每次重跑都按列表渲染一遍历史
  13
  for message in st.session_state.messages:
  14
      st.chat_message(message["role"]).write(message["content"])
  15
  
  16
  prompt = st.chat_input("请输入您要问的问题")
  17
  if prompt:
  18
      st.session_state.messages.append({"role": "user", "content": prompt})
  19
      st.chat_message("user").write(prompt)
  20
  
  21
  # 刷新页面后消息还在 —— 因为列表存在 session_state 里，不是普通变量

  显示更多显示更少

• 2-2 接上大模型 在 2-1 的基础上接上 deepseek-chat：用户发消息 → 调模型 → 把回复也渲染出来并存进 messages。

  提示

  一级 · 思路：存 → 调 → 显示 → 再存，四步都要在 if prompt: 里面 二级 · 方法：client.chat.completions.create / st.session_state.messages.append 三级 · 骨架：messages=[{"role": "system", "content": system_prompt}, {"role": "user", "content": prompt}]（这一版只发当前这一句，看看 AI 记不记得上一轮）

  参考答案（做完再点开）

  1
  import os
  2
  import streamlit as st
  3
  from openai import OpenAI
  4
  
  5
  st.set_page_config(page_title="AI智能伴侣", page_icon="🤖", layout="wide")
  6
  st.title("AI智能伴侣")
  7
  
  8
  system_prompt = "你是一名非常可爱的AI助理, 你的名字叫小甜甜, 请你使用温柔可爱的语气回答用户的问题"
  9
  
  10
  if "messages" not in st.session_state:
  11
      st.session_state.messages = []
  12
  
  13
  for message in st.session_state.messages:
  14
      st.chat_message(message["role"]).write(message["content"])
  15
  
  16
  client = OpenAI(api_key=os.environ.get("DEEPSEEK_API_KEY"), base_url="https://api.deepseek.com")
  17
  
  18
  prompt = st.chat_input("请输入您要问的问题")
  19
  if prompt:
  20
      st.chat_message("user").write(prompt)
  21
      st.session_state.messages.append({"role": "user", "content": prompt})
  22
  
  23
      response = client.chat.completions.create(
  24
          model="deepseek-chat",
  25
          messages=[
  26
              {"role": "system", "content": system_prompt},
  27
              {"role": "user", "content": prompt},
  28
          ],
  29
          stream=False,
  30
      )
  31
      reply = response.choices[0].message.content
  32
      st.chat_message("assistant").write(reply)
  33
      st.session_state.messages.append({"role": "assistant", "content": reply})

  显示更多显示更少