大模型应用开发 / 系统课时
组织消息角色
组织消息角色
多轮对话不是把文本简单追加到数组里,而是要让每条消息承担明确职责,并保持工具调用前后关系完整。本节会建立一套可执行的消息组织规则,让模型能稳定区分约束、用户意图、历史回答与工具结果。
学习目标
- 区分
system、user、assistant、tool四类消息的职责 - 按真实发生顺序组织多轮消息与工具调用
- 在发送请求前检查角色、调用 ID 和消息顺序是否一致
四类消息各自负责什么
system 用于放长期有效的行为约束,例如身份、输出格式和禁止事项。它不应被普通用户输入覆盖,也不适合存放本轮才会出现的业务数据。
user 表示用户真实输入;assistant 表示模型已经给出的回答,或模型发起的工具调用;tool 则承载工具执行结果,并通过调用 ID 与对应的 assistant 工具请求配对。
保持消息顺序和调用配对
一次典型的工具调用会经历“用户提问 → 助手请求工具 → 工具返回 → 助手形成最终回答”。这四个事件必须按实际发生顺序保存,不能只保留最后一句自然语言回答。

如果一次助手消息发起多个工具调用,每个调用都应有独立 ID;后续 tool 消息必须引用正确 ID。只有所有必要结果都回填后,才让模型继续生成下一条助手消息。
用代码检查消息结构
下面的示例构造一段完整历史,并在发送给模型前检查角色是否合法、工具结果是否能找到对应调用。
ALLOWED_ROLES = {"system", "user", "assistant", "tool"}
messages = [
{"role": "system", "content": "你是订单助手,只根据工具结果回答订单状态。"},
{"role": "user", "content": "查询订单 A100"},
{
"role": "assistant",
"content": None,
"tool_calls": [
{
"id": "call_1",
"name": "get_order",
"arguments": {"order_id": "A100"},
}
],
},
{
"role": "tool",
"tool_call_id": "call_1",
"content": '{"order_id":"A100","status":"shipped"}',
},
{"role": "assistant", "content": "订单 A100 已发货。"},
]
seen_tool_calls = set()
for index, message in enumerate(messages):
role = message["role"]
if role not in ALLOWED_ROLES:
raise ValueError(f"invalid role at index {index}: {role}")
if role == "assistant":
for call in message.get("tool_calls", []):
seen_tool_calls.add(call["id"])
if role == "tool" and message["tool_call_id"] not in seen_tool_calls:
raise ValueError(
f"tool result at index {index} has no matching assistant call"
)
print("roles:", " -> ".join(message["role"] for message in messages))
print("tool calls:", sorted(seen_tool_calls))预期输出
roles: system -> user -> assistant -> tool -> assistant
tool calls: ['call_1']这里的 call_1 只是示例 ID;真实系统通常由模型服务或应用层生成,实际值会不同。
发送前做最小化处理
上下文越长,成本越高,也越容易把无关信息带进当前推理。保留消息时应优先保留仍会影响后续回答的系统约束、近期用户意图、必要的助手结果,以及尚需引用的工具返回。
已经被更高质量状态替代的中间文本可以摘要后保存,但不能打乱角色或伪造来源。例如,工具结果可以压缩字段,却仍应保持 tool 身份和原始调用 ID;助手的最终回答也应继续保留为 assistant。
组织消息的核心不是“消息越多越好”,而是让每条消息的来源、职责和时间关系都可被模型正确还原。只要角色清晰、顺序真实、工具调用能一一配对,多轮上下文就具备了可维护的语义基础。