OpenAI Responses API 多轮对话状态怎么管:previous_response_id、Conversations 接口与手动拼消息对比

OpenAI Responses API 做多轮对话该用哪种方式?本文按官方文档对比 previous_response_id 响应链、Conversations 持久会话接口与手动拼 input 条目数组的写法、计费和选型。

NNathaniel bigo··原创首发·AI 辅助撰写
11 分钟读完
资料核对于 2026-11-18 · 依据官方文档与公开资料整理 其他 账号

结论先说

  1. Responses API 提供三种多轮状态管理路径:传 previous_response_id 串联响应、用 Conversations 接口建持久会话对象、或客户端手动把历史条目拼进 input 数组。
  2. previous_response_id 最省代码但有两个坑:第一,它不继承上一轮的顶层 instructions,每轮仍需传;第二,链条中带入的前序上下文依然照常计收输入 token 费。
  3. 需要类似旧 Threads 的持久线程管理,用 Conversations 接口:先调 client.conversations.create() 拿到会话 ID,后续请求传 conversation 参数即可自动追加消息。
  4. 开启 store: false(或零数据保留 ZDR)时必须手动拼数组:若使用推理模型且不落盘,还需请求返回并原样回传带 encrypted_content 的加密推理条目。
  5. 从零认识 Responses API 与旧接口差异,可先读 /guides/openai-responses-api。
  6. 国内免境外卡开通入口:若没有境外银行卡或遇到支付被拒,可在本站通过支付宝、微信支付或 AlipayHK 自助获取兑换码开通 ChatGPT Plus 或 ChatGPT Pro,团队多席位支持联系客服定制 ChatGPT Business 团队版。

Responses API 三种状态管理方式对比

图:本站根据 OpenAI 开发者文档:Conversation state 整理的示意图

本文根据 OpenAI 开发者文档《Conversation state》《Migrate to the Responses API》与 API Reference 整理,资料核对于 2026-11-18。配图为本站整理的示意图,不是界面截图。本站(bigolab.com)不是 OpenAI 官方网站。

适用于谁

  • 从 Chat Completions 或旧版 Assistants API 迁到 Responses API,纠结怎么保存多轮聊天上下文的开发者;
  • 用了 previous_response_id 后发现第二轮系统人设失效、或者误以为服务端托管历史能免掉旧消息 token 费的人;
  • 需要在合规零存储(store: false)、持久聊天室与轻量工具循环之间选型的团队。

一、三种状态管理方式完整对比

在旧的 Chat Completions 里,多轮对话只有「客户端自己存全量 messages 数组每轮重发」这一种办法;而在 Responses API 中,输入输出统一抽象为条目(Items),你可以按业务形态三选一:

对比维度previous_response_idConversations 接口手动拼接 input 数组
谁存历史记录OpenAI 服务端按响应链串联OpenAI 服务端独立会话容器开发者自己的客户端或数据库
默认保留时间单条响应默认存储 30 天持久保留直至调接口删除完全由你控制,可配 store=False
能否分叉对话极方便(指向任意旧响应 ID 即可分叉)线性追加为主自由复制切片数组即可分叉
能否裁剪中间旧消息不支持直接删改链条中间节点可通过会话条目接口管理完全自由截断、做摘要压缩
历史上下文计费按实际送入模型的历史输入 token 计费按实际送入模型的输入 token 计费按你传过去的 input token 计费

需要提醒的是:无论由服务端代存还是本地重传,模型在生成新回复时都要重读前文,因此历史上下文均会计入输入 token(好在重复长前缀会自动享受提示词缓存折扣,单价参考 /guides/openai-api-price-official-table)。API 按量扣费与网页订阅互不通用,若只是个人日常在网页端对话直接开通 ChatGPT Plus 即可,区别见 /guides/chatgpt-subscription-vs-openai-api。

二、方式一与方式二:服务端托管写法示例

1. 用 previous_response_id 轻量串联(支持随时分叉)

适合单次用户请求内部的多步工具调用循环,或无需长期超过 30 天保存的短对话。注意每轮显式带上 instructions:

python
from openai import OpenAI

client = OpenAI()
SYS_RULE = "用简明中文回答,每次不超过三句话。"

turn1 = client.responses.create(
    model="gpt-6-astra",
    instructions=SYS_RULE,
    input="PostgreSQL 里的 MVCC 是做什么的?",
)

# 第二轮传入上一轮的 id,同时重新传入 instructions
turn2 = client.responses.create(
    model="gpt-6-astra",
    instructions=SYS_RULE,
    previous_response_id=turn1.id,
    input="它为什么会产生膨胀,怎么清理?",
)
print(turn2.output_text)

2. 用 Conversations 接口管理持久聊天线程

Assistants API 下线后,需要持久化会话列表(例如客服工单会话、跨设备同步聊天窗口)的应用应改用 Conversations 接口。注意在同一请求里,conversation 与 previous_response_id 二选一,不要同时传:

python
from openai import OpenAI

client = OpenAI()

# 1. 创建持久会话对象(可写入业务 metadata 便于检索)
conv = client.conversations.create(metadata={"user_id": "u_10086"})

# 2. 绑定 conversation ID 发起多轮对话,服务端自动把输入输出追加进该会话
r1 = client.responses.create(
    model="gpt-6-astra",
    conversation=conv.id,
    input="帮我拟一份三天的京都步行路线。",
)

r2 = client.responses.create(
    model="gpt-6-astra",
    conversation=conv.id,
    input="把第二天改成以宇治喝茶为主。",
)
print(r2.output_text)
本站订阅与团队开通提示:如果你在国内遇到银行卡被拒或急需提升对话与推理配额,可前往本站 ChatGPT Plus 充值说明页 或 ChatGPT Pro 5x/20x 充值页 自助获取卡密完成开通(全程无需交出账号密码,可开增值税发票);企业多成员协作可直接查看 ChatGPT Business 团队定制方案。

三、方式三:手动拼 input 数组与无状态(store: false)注意要点

多轮对话状态方案怎么选

图:本站根据 OpenAI 开发者文档:Conversation state 整理的示意图

在两类场景下,手动维护 input 列表依然不可替代:一是长对话超过几万字后你想在本地把早期闲聊压缩成摘要省钱(计数方式见 /guides/openai-api-token-count-estimate);二是企业有严格隐私要求,必须设置 store=False(零数据保留组织默认强制不存储)。

手动拼接时千万别只取 output_text 纯文字往回塞,而要把 response.output 里的结构化条目(含工具调用项与推理项)整体保留:

python
history = [{"role": "user", "content": "查一下订单 ORD-99 的物流状态"}]

resp = client.responses.create(
    model="gpt-6-astra",
    store=False,
    include=["reasoning.encrypted_content"],  # 不落盘时跨轮保留推理状态
    input=history,
)

# 把模型本轮产生的推理条目、工具调用或回复条目完整拼入历史
history.extend(resp.output)

如果涉及自定义函数调用,还要把本地执行后的 function_call_output(带对应 call_id)一并追加进 history,完整工具回传写法见 /guides/openai-api-function-calling。

常见问题

问:用了 previous_response_id 之后,为什么第二轮模型突然不遵守第一轮设的 JSON 格式或语气要求了?

答:官方迁移文档特别提醒,顶层参数 instructions 只作用于当前这一次请求,不会顺着 previous_response_id 往后遗传。后续每轮请求都需要带上相同的 instructions。

问:响应默认存 30 天,超过 30 天再传旧的 previous_response_id 会怎样?

答:过期后该响应对象无法再被引用,接口会返回找不到资源报错。需要跨月保留的长期对话请改用 Conversations 接口,或在自己的数据库落盘消息记录。

问:能把 conversation 和 previous_response_id 同时写进同一个请求里吗?

答:不能。两者分别代表两种互斥的服务端上下文装载机制,同一次 responses.create 调用只能选其中一种。

问:国内没有境外信用卡,怎么开通或续费 ChatGPT Plus / Pro?

答:可在本站使用支付宝、微信支付或 AlipayHK 下单获取卡密自助兑换(支持 ChatGPT Plus、Pro 5x 可覆盖档 与 Pro 5x 空白号档),实时价格、兑换前提与售后规则(掉订阅按剩余天数折退,封号不在质保范围)以对应页面说明为准。

相关教程

参考资料

  • OpenAI 开发者文档:Conversation state — https://developers.openai.com/api/docs/guides/conversation-state
  • OpenAI 开发者文档:Migrate to the Responses API — https://developers.openai.com/api/docs/guides/migrate-to-responses
  • OpenAI API Reference:Create a response — https://developers.openai.com/api/reference/resources/responses/methods/create

Nathaniel 的更多内容

  1. 01

    独立开发者用 ChatGPT + Codex 跑通产品全流程:市场验证、PRD、原型到代码上线复盘清单

    单人做独立产品最容易陷入「闭门写两个月代码上线零用户」或「AI 写到一半目录越改越崩」。本文整理「ChatGPT 负责市场验证、PRD 与复盘 + Codex 负责工程实现与测试」的五阶段双轨流程,附起手提示词与 7 项上线复盘清单。

    ChatGPTCodex0
  2. 02

    用 ChatGPT 批量生成规范文件命名规则、整理混乱目录树与合并零散发票抬头清单脚本

    面对满桌面的「新建文件夹」「最终版2」和上百张零散电子发票,手工改名抄台账耗时又容易漏重。本文分享先脱敏取样、再用 ChatGPT 生成带预演和回滚日志的本地 Python 脚本,离线安全完成目录整理与发票抬头合并去重的实战流程。

    ChatGPT0
  3. 03

    用 ChatGPT 做海外邮件营销(EDM)受众分层文案、A/B 主题行测试与防进垃圾箱自检

    做海外独立站或出海 SaaS 邮件营销(EDM),最怕千人一面群发被直接送进垃圾箱。本文结合 Gmail/Yahoo 批量发件人规范,梳理用 ChatGPT 设计受众分层文案、批量生成 A/B 主题行矩阵并开展发前垃圾词与合规自检的实战提示词。

    ChatGPT0
  4. 04

    用 ChatGPT 写 Notion Formula 2.0 公式、Obsidian Dataview 查询与 Airtable 自动化脚本

    给 Notion 数据库写多条件 Formula 2.0 公式、给 Obsidian 写 Dataview 动态看板,或在 Airtable 里写自动化脚本,经常因为一个小括号或类型不匹配报错半天。本文整理三大工具的通用上下文喂料规范与三套直接可复制的生成提示词。

    ChatGPT其他 AI 工具0
  5. 05

    用 ChatGPT 处理复杂 JSON / YAML / XML 字段映射、格式转换与校验规则编写实战

    对接第三方 API、迁移 Kubernetes 配置或解析政企 XML 报文时,手工对照几百行嵌套字段既慢又容易漏掉空值与类型边界。本文整理用 ChatGPT 完成字段映射表梳理、生成确定性转换脚本以及编写 JSON Schema / Pydantic / XSD 校验规则的实战流。

    ChatGPT其他 AI 工具0
  6. 06

    用 ChatGPT 准备本科/硕士毕业论文答辩:提炼答辩 PPT 结构、模拟导师犀利追问与 3 分钟自述稿

    毕业论文写完后,要在 3–5 分钟内讲清研究价值并顶住答辩评委的连环追问并不轻松。本文整理在严格遵守高校学术规范的前提下,用 ChatGPT 提炼答辩 PPT 结构、打磨 3 分钟口语自述稿并开展模拟导师犀利追问的排练流程与提示词。

    ChatGPT0

同产品的其他教程

  1. 01

    用 ChatGPT 整理家庭装修预算明细、隐蔽工程验收清单与主材优缺点对比表实战

    第一次装修面对几十页施工报价单、密密麻麻的水电防水隐蔽项目与五花八门的主材参数,极易踩坑增项。本文梳理用 ChatGPT 审查装修报价漏项、生成带公式的预算明细表、定制工地隐蔽工程验收单与主材对比表的实战提示词。

    ChatGPT0
  2. 02

    用 ChatGPT 做费曼学习法读书共读:反向追问检验自己是否真读懂专业书籍与整理书单笔记

    读完一本专业硬书常感觉「合上书就忘」,直接让 AI 概括全书又容易产生懂了的错觉。本文介绍用 ChatGPT 结合 Study Mode 与费曼学习法做反向追问共读,通过通俗复述、挑刺盲区到沉淀书单卡片的完整流程与提示词。

    ChatGPT0
  3. 03

    用 ChatGPT 做外贸产品多语种目录、展会邀约与客户跟进节奏表(附脱敏与本地化提示词)

    做外贸展会与海外推广时,手工翻译十几款产品目录费时且容易留下一堆中式英文,展后客户跟进也常缺节奏。本文梳理用 ChatGPT 先脱敏建术语库、再批量产出多语种目录、展前邀约函与展后 21 天跟进节奏表的实战流程与提示词。

    ChatGPT0
  4. 04

    用 ChatGPT 写高质量技术专栏文章、开源项目 Release Notes 与版本更新日志实战

    让 AI 直接凭空写技术文章容易满篇空洞套话,直接甩 Git 记录写更新日志又常常漏掉破坏性变更。本文整理用 ChatGPT 结合真实代码片段、压测数据与 PR 摘要,高效产出深度技术专栏、GitHub Release Notes 与 CHANGELOG 的实战工作流。

    ChatGPT0
  5. 05

    用 ChatGPT 做产品用户访谈纪要编码、提炼高频痛点需求池与 RICE 优先级打分实战

    手头攒了十几份用户访谈逐字稿,手工贴便利贴归纳痛点耗时又容易带入主观偏见。本文分享用 ChatGPT 完成脱敏检查、逐份开放式编码、跨样本聚类高频痛点并搭建 RICE 优先级打分表的 5 步实战流,附可直接复制的三段核心提示词。

    ChatGPT0
  6. 06

    ChatGPT 网页版上传超过 10 个文件或回形针附件按钮变灰怎么办:打包合并与配额限制排查

    在 ChatGPT 网页版批量分析文档时,常遇到一次选超 10 个文件被拦截或输入框回形针按钮变灰。本文依据 OpenAI 文件上传与存储说明,梳理 6 类常见报错的分流排查法,提供 ZIP 打包、本地合并与 Projects 复用方案及可直接复制的解包提示词。

    ChatGPT0

0 条评论

登录 后参与评论

还没有评论,来抢沙发~