JavaScript 之所以能实现 ChatGPT 逐字输出，核心在于 事件循环（Event Loop）。由于 JavaScript 是单线程，它将异步操作（如 fetch）交由浏览器的 Web APIs 处理，自身继续执行后续代码。当网络响应返回后，回调函数进入任务队列，由 Event Loop 在调用栈空闲时依次执行。尤其微任务（Microtask）优先于宏任务（Macrotask），确保 P

为应对多轮对话中聊天记录过长导致的性能问题，引入上下文优化（Context Optimization）：通过SQLite查询最近20条消息并倒序排列，确保发送给大模型的仅是最新有效上下文。此举显著减少Token消耗与延迟，提升响应速度，同时保留完整历史记录。核心在于“只传最有价值的上下文”，为后续实现记忆、摘要与知识检索奠定基础。

本文介绍了多轮对话（Multi-turn Chat）的核心机制，揭示了AI理解上下文的关键在于历史聊天记录的传递。由于OpenAI API每次请求独立，模型无法自动记住之前内容，因此需通过SQLite保存聊天记录，并在每次请求时将历史（history）与系统提示（system）合并为messages发送给模型。这一过程使AI能理解“它”指代前文内容，实现真正意义上的上下文理解。流程闭环：读取历史

分享亲手在终端搭建一个聊天机器人的基本原理

FastAPI 在 KK Chat 中充当 HTTP 与 Python 函数的翻译层，通过路由、Pydantic 校验、异步流式响应（StreamingResponse）和生成器实现逐字输出，解决前端请求、数据校验、长耗时等问题。项目采用分层架构，实现“换壳不换芯”，提升可维护性。基于 ASGI 的异步能力，天然支持高并发与流式输出，优于传统 Flask。核心心法：类型标注即契约，代码简洁高效。