openai 官方已弃用旧版 chat completions api 的“单次会话+重复传 system 消息”模式；推荐改用具备原生上下文记忆能力的 assistant api，通过创建 assistant 实例一次性注入系统角色，后续所有对话自动继承该角色设定，无需重复传递。
openai 官方已弃用旧版 chat completions api 的“单次会话+重复传 system 消息”模式；推荐改用具备原生上下文记忆能力的 assistant api，通过创建 assistant 实例一次性注入系统角色，后续所有对话自动继承该角色设定，无需重复传递。
在早期使用 chat.completions.create 时，开发者常将 "system" 消息与每个用户提问拼接发送（如示例中循环内重复传入律师角色），这不仅增加 token 开销、降低推理效率，更无法真正维持跨轮次的角色一致性——因为每次请求都是无状态的独立会话。
✅ 正确解法：迁移到 Assistant API（Beta）
该 API 将「角色定义」与「对话管理」解耦：你只需在创建 Assistant 时指定 instructions（即原 system 角色），之后所有关联的 Thread 和 Message 都默认在此上下文中运行。
from openai import OpenAI
client = OpenAI()
# ✅ 1. 创建具备固定角色的 Assistant（仅需一次）
assistant = client.beta.assistants.create(
name="Legal Advisor",
instructions="You are a professional lawyer licensed in the United States. Provide accurate, concise, and ethically grounded legal analysis. Do not speculate or give advice outside your jurisdiction.",
model="gpt-4-turbo",
)
# ✅ 2. 创建一个 Thread（会话容器）
thread = client.beta.threads.create()
# ✅ 3. 向该 Thread 连续发送多个用户问题（无需再传 system 内容）
for question in questions:
# 添加用户消息
client.beta.threads.messages.create(
thread_id=thread.id,
role="user",
content=question
)
# 发起异步运行（含 Assistant 的角色逻辑）
run = client.beta.threads.runs.create(
thread_id=thread.id,
assistant_id=assistant.id
)
# 等待完成并获取回复（此处可加入轮询或 webhook）
while run.status != "completed":
run = client.beta.threads.runs.retrieve(thread_id=thread.id, run_id=run.id)
# 获取最新消息（即 Assistant 的回答）
messages = client.beta.threads.messages.list(thread_id=thread.id, limit=1)
answer = messages.data[0].content[0].text.value
print(answer)⚠️ 注意事项：
- Assistant 实例长期有效（除非手动删除），其 instructions 是全局角色锚点，不可在单次 Run 中覆盖；
- 每个 Thread 独立维护对话历史，适合多用户隔离场景；若需共享上下文（如客服会话池），建议按用户 ID 维护 Thread 映射；
- 当前 Assistant API 支持文件上传、代码解释器、函数调用等扩展能力，角色设定可进一步结合 tools 增强专业性；
- 若暂无法迁移，退而求其次可在旧 API 中手动拼接历史消息（messages = [{"role":"system",...}] + history + [{"role":"user",...}]），但无法规避 token 成本与状态丢失风险。
总结：系统角色不是“每次都要声明”的参数，而是应作为 AI 助手的固有属性进行初始化。拥抱 Assistant API，是实现轻量、可靠、可扩展角色驱动对话的关键一步。
