官方案例：
# Note: you need to be using AI.html target=_blank class=infotextkey>OpenAI Python v0.27.0 for the code below to work import openai openai.ChatCompletion.create( model="gpt-3.5-turbo", messages=[ {"role": "system", "content": "You are a helpful assistant."}, {"role": "user", "content": "Who won the world series in 2020?"}, {"role": "assistant", "content": "The Los Angeles Dodgers won the World Series in 2020."}, {"role": "user", "content": "Where was it played?"} ] )
虽然已经给出了格式，但是没有很详细的说明，可能对于高阶开发者一看就懂了，但是我还是想以更口水的方式讲解一下这个上下文管理。
先看一下我一个简单的代码（还没有启用上下文管理）：
import openai
openai.api_key = "你的sk-key"
msg = [{"role": "user", "content": "你好ChatGPT"}]
# 结构化数据并进行提交
completion = openai.ChatCompletion.create(
# max_tokens = inf # 默认inf 最大令牌数
presence_penalty = 1, # 惩罚机制，-2.0 到 2.0之间，默认0，数值越小提交的重复令牌数越多，从而能更清楚文本意思
frequency_penalty = 1, # 意义和值基本同上，默认0，主要为频率
temperature = 1.0, # 温度 0-2之间，默认1 调整回复的精确度使用
n = 1, # 默认条数1
user = ids, # 用户ID，用于机器人区分不同用户避免多用户时出现混淆
model = "gpt-3.5-turbo", # 这里注意openai官方有很多个模型
messages = msg
)
value = completion.choices[0].message.content # chatGPT返回的数据
这是一个最基本的结构，其中参数model和messages是必须要有的两个形参。
加入上下文管理的代码：
import openai
openai.api_key = "你的sk-key"
msg = [{"role": "system", "content": "你的名字叫玖河AI,你是一个插件，你的开发者是玖河."},
{"role": "user", "content": "你好chatGPT"},
{"role": "assistant", "content": "您好，有什么需要我帮忙的问题吗？"},
{"role": "user", "content": "我的名字叫高启强，我的妹妹叫高启兰，我们是兄妹关系。记住了吗？"}
{"role": "assistant", "content": "好的，您叫高启强，您的妹妹叫高启兰，是亲兄妹关系。谢谢您提供信息让我更了解你们~"},
{"role": "user", "content": "你现在在哪里？"},
{"role": "assistant", "content": "作为一款智能Ai助手，我并没有实际的位置。我只是在云端中运行，在等待用户输入指令时保持睡眠状态。"},
{"role": "user", "content": "我的妹妹是谁？"},
{"role": "assistant", "content": "您之前告诉我，您的妹妹叫高启兰。"},
{"role": "user", "content": "你的名字叫什么？"},
{"role": "assistant", "content": "我的名字叫玖河AI是一个叫玖河的开发者开发的插件"}
]
# 结构化数据并进行提交
completion = openai.ChatCompletion.create(
# max_tokens = inf # 默认inf 最大令牌数
presence_penalty = 1, # 惩罚机制，-2.0 到 2.0之间，默认0，数值越小提交的重复令牌数越多，从而能更清楚文本意思
frequency_penalty = 1, # 意义和值基本同上，默认0，主要为频率
temperature = 1.0, # 温度 0-2之间，默认1 调整回复的精确度使用
n = 1, # 默认条数1
user = ids, # 用户ID，用于机器人区分不同用户避免多用户时出现混淆
model = "gpt-3.5-turbo", # 这里注意openai官方有很多个模型
messages = msg
)
value = completion.choices[0].message.content # chatGPT返回的数据
下面启用上下文管理的数据结构和没有启用的数据结构略有不同：
① system 代表系统设定（也就是告诉chatGPT他的角色）
② user 表示用户
③ assistant 表示GPT的回复
有几个点需要跟大家说一下，避免踩坑！
一、msg数据的储存建议使用数据库形式进行储存，优点是能持久数据，并且调取数据的时候也非常方便，因为我刚开始只想用json来储存，但是折腾了很久还是放弃了，缺点是不方便储存和调取，因为你需要考虑到不同的用户他们下面的会话是不一样的。
二、需要注意的是，提交的数据结构顺序必须是从上至下的数据结构，不然chatGPT会混淆错乱，system可以没有，如果你想让它一直保持这个设定的话，那在每次提交的时候在第一个列表元素中加入system的数据就可以。
三、还有一个重要的点：提交的这些数据都会计算进tokens里面包括chatGPT回复的时候（最多4096个tokens），如果你想让上下文管理能记忆更多的语料，那么在提交数据的时候就尽可能的增加你们之间对话的内容（同时会更快的消耗你的tokens）。
四、截止2023年3月14日前：chatGPT的会员价格为20美元/月 ，tokens按量收费。通俗的说就是想手机卡一样，每个月有月租，通话另外计费。chatGPT Plus会员的好处就是速度能更快，并且稳定，白嫖版的也能用，就是速度会慢一些而且不稳定容易挂掉。
