OpenAI Responses API 多輪對話狀態怎麼管:previous_response_id、Conversations 接口與手動拼消息對比

OpenAI Responses API 做多輪對話該用哪種方式?本文按官方文檔對比 previous_response_id 響應鏈、Conversations 持久會話接口與手動拼 input 條目數組的寫法、計費和選型。

NNathaniel bigo··原創首發·AI 輔助撰寫
11 分鐘讀完
資料核對於 2026-11-18 · 依據官方文檔與公開資料整理 其他 帳號

結論先說

  1. Responses API 提供三種多輪狀態管理路徑:傳 previous_response_id 串聯響應、用 Conversations 接口建持久會話對象、或客戶端手動把歷史條目拼進 input 數組。
  2. previous_response_id 最省代碼但有兩個坑:第一,它不繼承上一輪的頂層 instructions,每輪仍需傳;第二,鏈條中帶入的前序上下文依然照常計收輸入 token 費。
  3. 需要類似舊 Threads 的持久線程管理,用 Conversations 接口:先調 client.conversations.create() 拿到會話 ID,後續請求傳 conversation 參數即可自動追加消息。
  4. 開啟 store: false(或零數據保留 ZDR)時必須手動拼數組:若使用推理模型且不落盤,還需請求返回並原樣回傳帶 encrypted_content 的加密推理條目。
  5. 從零認識 Responses API 與舊接口差異,可先讀 /guides/openai-responses-api。
  6. 國內免境外卡開通入口:若沒有境外銀行卡或遇到支付被拒,可在本站通過支付寶、微信支付或 AlipayHK 自助獲取兌換碼開通 ChatGPT Plus 或 ChatGPT Pro,團隊多席位支持聯絡客服定製 ChatGPT Business 團隊版。

Responses API 三種狀態管理方式對比

圖:本站根據 OpenAI 開發者文檔:Conversation state 整理的示意圖

本文根據 OpenAI 開發者文檔《Conversation state》《Migrate to the Responses API》與 API Reference 整理,資料核對於 2026-11-18。配圖為本站整理的示意圖,不是介面截圖。本站(bigolab.com)不是 OpenAI 官方網站。

適用於誰

  • 從 Chat Completions 或舊版 Assistants API 遷到 Responses API,糾結怎麼儲存多輪聊天上下文的開發者;
  • 用了 previous_response_id 後發現第二輪系統人設失效、或者誤以為服務端託管歷史能免掉舊消息 token 費的人;
  • 需要在合規零存儲(store: false)、持久聊天室與輕量工具循環之間選型的團隊。

一、三種狀態管理方式完整對比

在舊的 Chat Completions 裏,多輪對話只有「客戶端自己存全量 messages 數組每輪重發」這一種辦法;而在 Responses API 中,輸入輸出統一抽象為條目(Items),你可以按業務形態三選一:

對比維度previous_response_idConversations 接口手動拼接 input 數組
誰存歷史記錄OpenAI 服務端按響應鏈串聯OpenAI 服務端獨立會話容器開發者自己的客戶端或數據庫
預設保留時間單條響應預設存儲 30 天持久保留直至調接口刪除完全由你控制,可配 store=False
能否分叉對話極方便(指向任意舊響應 ID 即可分叉)線性追加為主自由複製切片數組即可分叉
能否裁剪中間舊消息不支持直接刪改鏈條中間節點可通過會話條目接口管理完全自由截斷、做摘要壓縮
歷史上下文計費按實際送入模型的歷史輸入 token 計費按實際送入模型的輸入 token 計費按你傳過去的 input token 計費

需要提醒的是:無論由服務端代存還是本地重傳,模型在生成新回覆時都要重讀前文,因此歷史上下文均會計入輸入 token(好在重複長前綴會自動享受提示詞緩存摺扣,單價參考 /guides/openai-api-price-official-table)。API 按量扣費與網頁訂閱互不通用,若只是個人日常在網頁端對話直接開通 ChatGPT Plus 即可,區別見 /guides/chatgpt-subscription-vs-openai-api。

二、方式一與方式二:服務端託管寫法示例

1. 用 previous_response_id 輕量串聯(支持隨時分叉)

適合單次用戶請求內部的多步工具調用循環,或無需長期超過 30 天儲存的短對話。注意每輪顯式帶上 instructions:

python
from openai import OpenAI

client = OpenAI()
SYS_RULE = "用簡明中文回答,每次不超過三句話。"

turn1 = client.responses.create(
    model="gpt-6-astra",
    instructions=SYS_RULE,
    input="PostgreSQL 裏的 MVCC 是做什麼的?",
)

# 第二輪傳入上一輪的 id,同時重新傳入 instructions
turn2 = client.responses.create(
    model="gpt-6-astra",
    instructions=SYS_RULE,
    previous_response_id=turn1.id,
    input="它為什麼會產生膨脹,怎麼清理?",
)
print(turn2.output_text)

2. 用 Conversations 接口管理持久聊天線程

Assistants API 下線後,需要持久化會話列表(例如客服工單會話、跨裝置同步聊天窗口)的應用應改用 Conversations 接口。注意在同一請求裏,conversation 與 previous_response_id 二選一,不要同時傳:

python
from openai import OpenAI

client = OpenAI()

# 1. 創建持久會話對象(可寫入業務 metadata 便於檢索)
conv = client.conversations.create(metadata={"user_id": "u_10086"})

# 2. 綁定 conversation ID 發起多輪對話,服務端自動把輸入輸出追加進該會話
r1 = client.responses.create(
    model="gpt-6-astra",
    conversation=conv.id,
    input="幫我擬一份三天的京都步行路線。",
)

r2 = client.responses.create(
    model="gpt-6-astra",
    conversation=conv.id,
    input="把第二天改成以宇治喝茶為主。",
)
print(r2.output_text)
本站訂閱與團隊開通提示:如果你在國內遇到銀行卡被拒或急需提升對話與推理配額,可前往本站 ChatGPT Plus 充值說明頁 或 ChatGPT Pro 5x/20x 充值頁 自助獲取卡密完成開通(全程無需交出帳號密碼,可開增值稅發票);企業多成員協作可直接查看 ChatGPT Business 團隊定製方案。

三、方式三:手動拼 input 數組與無狀態(store: false)注意要點

多輪對話狀態方案怎麼選

圖:本站根據 OpenAI 開發者文檔:Conversation state 整理的示意圖

在兩類場景下,手動維護 input 列表依然不可替代:一是長對話超過幾萬字後你想在本地把早期閒聊壓縮成摘要省錢(計數方式見 /guides/openai-api-token-count-estimate);二是企業有嚴格私隱要求,必須設定 store=False(零數據保留組織預設強制不存儲)。

手動拼接時千萬別隻取 output_text 純文字往回塞,而要把 response.output 裏的結構化條目(含工具調用項與推理項)整體保留:

python
history = [{"role": "user", "content": "查一下訂單 ORD-99 的物流狀態"}]

resp = client.responses.create(
    model="gpt-6-astra",
    store=False,
    include=["reasoning.encrypted_content"],  # 不落盤時跨輪保留推理狀態
    input=history,
)

# 把模型本輪產生的推理條目、工具調用或回覆條目完整拼入歷史
history.extend(resp.output)

如果涉及自定義函數調用,還要把本地執行後的 function_call_output(帶對應 call_id)一併追加進 history,完整工具回傳寫法見 /guides/openai-api-function-calling。

常見問題

問:用了 previous_response_id 之後,為什麼第二輪模型突然不遵守第一輪設的 JSON 格式或語氣要求了?

答:官方遷移文檔特別提醒,頂層參數 instructions 只作用於當前這一次請求,不會順着 previous_response_id 往後遺傳。後續每輪請求都需要帶上相同的 instructions。

問:響應預設存 30 天,超過 30 天再傳舊的 previous_response_id 會怎樣?

答:過期後該響應對象無法再被引用,接口會返回找不到資源報錯。需要跨月保留的長期對話請改用 Conversations 接口,或在自己的數據庫落盤消息記錄。

問:能把 conversation 和 previous_response_id 同時寫進同一個請求裏嗎?

答:不能。兩者分別代表兩種互斥的服務端上下文裝載機制,同一次 responses.create 調用只能選其中一種。

問:國內沒有境外信用卡,怎麼開通或續費 ChatGPT Plus / Pro?

答:可在本站使用支付寶、微信支付或 AlipayHK 下單獲取卡密自助兌換(支持 ChatGPT Plus、Pro 5x 可覆蓋檔 與 Pro 5x 空白號檔),實時價格、兌換前提與售後規則(掉訂閱按剩餘天數折退,封號不在質保範圍)以對應頁面說明為準。

相關教學

參考資料

  • OpenAI 開發者文檔:Conversation state — https://developers.openai.com/api/docs/guides/conversation-state
  • OpenAI 開發者文檔: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 的更多內容

  1. 01

    獨立開發者用 ChatGPT + Codex 跑通產品全流程:市場驗證、PRD、原型到代碼上線覆盤清單

    單人做獨立產品最容易陷入「閉門寫兩個月代碼上線零用戶」或「AI 寫到一半目錄越改越崩」。本文整理「ChatGPT 負責市場驗證、PRD 與覆盤 + Codex 負責工程實現與測試」的五階段雙軌流程,附起手提示詞與 7 項上線覆盤清單。

    ChatGPTCodex0
  2. 02

    用 ChatGPT 批量生成規範文件命名規則、整理混亂目錄樹與合併零散發票抬頭清單腳本

    面對滿桌面的「新建文件夾」「最終版2」和上百張零散電子發票,手工改名抄台帳耗時又容易漏重。本文分享先脫敏取樣、再用 ChatGPT 生成帶預演和回滾日誌的本地 Python 腳本,離線安全完成目錄整理與發票抬頭合併去重的實戰流程。

    ChatGPT0
  3. 03

    用 ChatGPT 做海外電郵營銷(EDM)受眾分層文案、A/B 主題行測試與防進垃圾箱自檢

    做海外獨立站或出海 SaaS 電郵營銷(EDM),最怕千人一面群發被直接送進垃圾箱。本文結合 Gmail/Yahoo 批量發件人規範,梳理用 ChatGPT 設計受眾分層文案、批量生成 A/B 主題行矩陣並開展發前垃圾詞與合規自檢的實戰提示詞。

    ChatGPT0
  4. 04

    用 ChatGPT 寫 Notion Formula 2.0 公式、Obsidian Dataview 查詢與 Airtable 自動化腳本

    給 Notion 數據庫寫多條件 Formula 2.0 公式、給 Obsidian 寫 Dataview 動態看板,或在 Airtable 裏寫自動化腳本,經常因為一個小括號或類型不匹配報錯半天。本文整理三大工具的通用上下文喂料規範與三套直接可複製的生成提示詞。

    ChatGPT其他 AI 工具0
  5. 05

    用 ChatGPT 處理複雜 JSON / YAML / XML 字段映射、格式轉換與校驗規則編寫實戰

    對接第三方 API、遷移 Kubernetes 配置或解析政企 XML 報文時,手工對照幾百行嵌套字段既慢又容易漏掉空值與類型邊界。本文整理用 ChatGPT 完成字段映射表梳理、生成確定性轉換腳本以及編寫 JSON Schema / Pydantic / XSD 校驗規則的實戰流。

    ChatGPT其他 AI 工具0
  6. 06

    用 ChatGPT 準備本科/碩士畢業論文答辯:提煉答辯 PPT 結構、模擬導師犀利追問與 3 分鐘自述稿

    畢業論文寫完後,要在 3–5 分鐘內講清研究價值並頂住答辯評委的連環追問並不輕鬆。本文整理在嚴格遵守高校學術規範的前提下,用 ChatGPT 提煉答辯 PPT 結構、打磨 3 分鐘口語自述稿並開展模擬導師犀利追問的排練流程與提示詞。

    ChatGPT0

同產品的其他教學

  1. 01

    用 ChatGPT 整理家庭裝修預算明細、隱蔽工程驗收清單與主材優缺點對比表實戰

    第一次裝修面對幾十頁施工報價單、密密麻麻的水電防水隱蔽項目與五花八門的主材參數,極易踩坑增項。本文梳理用 ChatGPT 審查裝修報價漏項、生成帶公式的預算明細表、定製工地隱蔽工程驗收單與主材對比表的實戰提示詞。

    ChatGPT0
  2. 02

    用 ChatGPT 做費曼學習法讀書共讀:反向追問檢驗自己是否真讀懂專業書籍與整理書單筆記

    讀完一本專業硬書常感覺「合上書就忘」,直接讓 AI 概括全書又容易產生懂了的錯覺。本文介紹用 ChatGPT 結合 Study Mode 與費曼學習法做反向追問共讀,通過通俗複述、挑刺盲區到沉澱書單卡片的完整流程與提示詞。

    ChatGPT0
  3. 03

    用 ChatGPT 做外貿產品多語種目錄、展會邀約與客戶跟進節奏表(附脫敏與本地化提示詞)

    做外貿展會與海外推廣時,手工翻譯十幾款產品目錄費時且容易留下一堆中式英文,展後客戶跟進也常缺節奏。本文梳理用 ChatGPT 先脫敏建術語庫、再批量產出多語種目錄、展前邀約函與展後 21 天跟進節奏表的實戰流程與提示詞。

    ChatGPT0
  4. 04

    用 ChatGPT 寫高質素技術專欄文章、開源項目 Release Notes 與版本更新日誌實戰

    讓 AI 直接憑空寫技術文章容易滿篇空洞套話,直接甩 Git 記錄寫更新日誌又常常漏掉破壞性變更。本文整理用 ChatGPT 結合真實代碼片段、壓測數據與 PR 摘要,高效產出深度技術專欄、GitHub Release Notes 與 CHANGELOG 的實戰工作流。

    ChatGPT0
  5. 05

    用 ChatGPT 做產品用戶訪談紀要編碼、提煉高頻痛點需求池與 RICE 優先級打分實戰

    手頭攢了十幾份用戶訪談逐字稿,手工貼便利貼歸納痛點耗時又容易帶入主觀偏見。本文分享用 ChatGPT 完成脫敏檢查、逐份開放式編碼、跨樣本聚類高頻痛點並搭建 RICE 優先級打分表的 5 步實戰流,附可直接複製的三段核心提示詞。

    ChatGPT0
  6. 06

    ChatGPT 網頁版上載超過 10 個文件或回形針附件按鈕變灰怎麼辦:打包合併與配額限制排查

    在 ChatGPT 網頁版批量分析文檔時,常遇到一次選超 10 個文件被攔截或輸入框回形針按鈕變灰。本文依據 OpenAI 文件上載與存儲說明,梳理 6 類常見報錯的分流排查法,提供 ZIP 打包、本地合併與 Projects 複用方案及可直接複製的解包提示詞。

    ChatGPT0

0 條評論

登入 後參與評論

還沒有評論,來搶沙發~