在之前的代码已经完善了对话接口，但是实际业务上需要我们能够对历史对话进行管理操作的，例如kimi,deepseek等一些市面常见的ai聊天页面，你都可以看到历史对话，或者对对话进行操作的，这里就涉及到了对数据库的增删改查操作，那么本篇章就是对对话管理进行接口操作。

官方网址链接。

本篇章将会教学如何基于mysql已有的对话历史实现上下文对话。关于这里有一个存在的点，这个历史对话大模型是能拿的到的，但是会出现有些大模型提示无法回答你的问题的情况拒绝回答，原因是模型内置规则不允许做了硬性拦截，主要是保护用户隐私，即使做了提示pormt增强提示，还是不允许的。可以以去换一个模型，目前我已知的情况的出现这种模型的为每家平台的全模态或者多模态模型，普通模型是允许拿到的。AI智能体（A

复制内容到你创建好的py文件，为了快速的完成操作这里就直接给你们把代码弄过来直接复制就好了。4.注册账号完后，找到左侧的导航栏，点击API key管理。鼠标放过去，点击安装软件包就好了，等待完成安装。要把api_key后面=的内容换成你获取的秘钥。打开pychram,创建一个新的py文件。content是你给kimi设定的身份。点击chat实现我们第一次的单轮对话。1.浏览器搜索kimi开发者平台

我们作为个体的开发是接触不到那种真正的模型核心点。但是我们可以从浅显的层次去了解和深入大模型，去了解使用，让它成为我们日常生活中的一个好帮手。同时能通过这些实际开发和应用来提升自己对大模型的理解和人工智能的一个应用方向的思考。本篇文章将会从安装框架llamaindx，调用大模型来实现完成自己的ai本地模型部署，实现本地聊天。

在本专栏内的文章中，多次提及到了ocr，而ocr作为一个用于辅助大模型的扩展工具，其重要性是很明显的，例如kimi,qwen乃至市面上常见的大语言模型网站，当你传入图片，等一些内容都需要通过ocr提取文字来进行相关信息的搜索和上下文联系，以及用户输入内容的联系。那么本篇章将会介绍如何在编译软件中调用ocr工具，来提升你的大模型的输出能力AI智能体（Agent）大模型入门【8】--关于ocr文字识别

在之前的篇章出现了，不支持ocr,或者模型还不支持最新版的Langchain框架，所以我找了个新的开源ocr识别模型，仅支持图片识别，结合Markitdown基本能完成对基本文件的识别操作。然后本篇章主要是对ocr做统筹优化，进行文件的区分，实现对文件上传的识别和操作。然后实现上下文对话。

这篇章的教学内容很简单，实现快速学习安装部署n8n创建工作流，然后快速一个简单的工作流实现大模型对话，后续会基于此篇章进行学习和升级。

在上一篇章节，我们实现了基于文件来进行回答，不过还遗留了一些问题，那就是无法识别带有文字的图片，不过现在会在这篇篇章进行问题解决。原因是markitdown的官网并没有写明白，mrkitdown并不具备含有ocr图片文件识别，但是标注了，ocr识别是基于模型是否能够支持图片输入进行回答,那就需要含有视觉的模型来支撑这个ocr，如果你的模型本身就是普通的聊天模型，那不好意思，识别不到。那么开启本篇章

本篇章将会完善对之前聊天请求的操作，升级为能对文件进行问答操作的对话接口，此操作不是对文件进行增删改查，而是基于文件的内容来进行回答。此操作可以快速统计一些零散的数据，或者在长篇的文件中快速查找关键词，主题和内容。AI智能体（Agent）大模型入门【6】--编写fasteAPI后端请求接口实现页面聊天-CSDN博客。