拓冰网站优化 
AnyLanguageModel 对话管理指南Transcript 与多轮会话实现【免费下载链接】AnyLanguageModelAn API-compatible, drop-in replacement for Apples Foundation Models framework with support for custom language model providers.项目地址: https://gitcode.com/gh_mirrors/an/AnyLanguageModelAnyLanguageModel 是一个 API 兼容、可直接替换 Apple Foundation Models 框架的 Swift 开源库支持 OpenAI、Anthropic、Gemini、Ollama 等十余种自定义语言模型提供商。很多新手在接入 AI 后遇到的第一个坎就是模型总是失忆答完上一句就忘了下一句。本文将手把手讲解它的对话管理机制——Transcript对话记录与多轮会话实现帮你用最少的代码构建出真正有记忆的 AI 聊天应用。什么是 TranscriptAI 对话的记忆档案 Transcript是 AnyLanguageModel 中专门用来表示用户与模型之间完整对话历史的类型。它定义在 Transcript.swift本质上是一个有序的对话条目数组同时满足Sendable、Equatable、Codable三个协议。这意味着它有三个杀手级特性Sendable可以安全地在并发任务之间传递Equatable方便做状态对比与测试断言Codable可以直接序列化为 JSON用于保存、恢复、传输整段对话。更贴心的是Transcript还实现了RandomAccessCollection协议你可以像操作数组一样对它进行下标访问和遍历例如session.transcript[0]、session.transcript.count。一次对话的 5 种条目类型 Transcript.Entry用枚举把一次对话拆成了 5 种角色覆盖了从设定角色到工具调用的完整生命周期条目类型含义典型来源.instructions开发者设定的系统指令初始化会话时自动写入.prompt用户发送的提示词每次respond自动写入.toolCalls模型发起的工具调用工具调用场景自动写入.toolOutput工具执行后的返回结果工具执行完成后自动写入.response模型生成的回答每次respond自动写入每种条目都带有稳定的id默认是 UUID方便你追踪、回放或定位某一条具体消息。测试代码 TranscriptTests.swift 中详细验证了每种条目的 ID 路由逻辑。多轮会话的核心机制LanguageModelSession 自动记录 ⚙️多轮会话的秘密藏在LanguageModelSession里它定义在 LanguageModelSession.swift是一个Observable的会话对象负责协调模型、工具、指令与对话记录。关键点在于你不需要手动维护对话历史。每次调用session.respond(...)时框架会自动完成两件事把用户的Prompt追加进Transcript把模型的Response追加进Transcript。所以在 MockLanguageModelTests.swift 中你能看到这样的测试结论连续发起三轮对话后session.transcript.count从 0 依次变为 2、4、6——每一次问答都会让记忆档案多两条记录。这些记录可不是摆设。以 OpenAI 提供商为例其实现会直接调用session.transcript.toOpenAIMessages()把整段对话历史转换成 API 请求消息见 OpenAILanguageModel.swift从而让云端模型看到完整上下文。其他提供商也遵循同样的模式。三步实现多轮会话最快配置方法 理解了机制实现就非常简单了。核心思路是复用同一个 Session 对象。下面是一个完整示例let model OpenAILanguageModel( apiKey: ProcessInfo.processInfo.environment[OPENAI_API_KEY]!, model: gpt-4o-mini ) // 第一步创建会话复用同一个 session 即可 let session LanguageModelSession(model: model) // 第二步第一轮对话 let first try await session.respond(to: 你好我叫小明是一名 iOS 开发者) // 第三步第二轮对话——模型已经记得你是谁 let second try await session.respond(to: 我叫什么名字我做什么工作) print(second.content) // 输出会包含小明和iOS 开发者整个多轮会话实现只需要三步建会话、发消息、复用会话继续发。Transcript的自动记录让上下文无缝衔接你甚至可以在 UI 上直接绑定session.transcript来渲染聊天界面——由于它支持Observable响应式更新新消息出现时界面会自动刷新。流式输出也能自动记录对话 如果你想要打字机式的流式输出streamResponse同样会自动维护对话记录Prompt 在流开始时就写入Response 在流结束后自动追加。用法与非流式几乎一致let stream session.streamResponse(to: 用一句话解释什么是大语言模型) for try await snapshot in stream { print(snapshot.content) // 边生成边显示 }流式期间你可以通过session.isResponding判断模型是否正在响应用于显示加载动画防止用户重复提交。多模态对话图片也能写进 Transcript ️Transcript.Segment支持三种内容段.text文本、.structure结构化内容、.image图片。图片段ImageSegment既可以用二进制数据data:mimeType:构造也可以用 URL 构造还支持直接从UIImage、NSImage、CGImage编码转换。多轮对话中加入图片非常直观let response try await session.respond( to: 这张图里有什么, images: [ .init(url: URL(fileURLWithPath: /path/to/photo.jpg)) ] )图片会被作为 prompt 的一部分写入Transcript也就是说——多轮对话里发过的图片后续轮次中模型依然看得到。这在构建看图连续追问的场景如识别发票后追问金额时非常实用。恢复历史会话用已有 Transcript 初始化 得益于Codable你可以把Transcript序列化保存下次启动应用时再恢复。LanguageModelSession提供了接受Transcript的初始化方法// 保存把对话记录转成 JSON 数据 let data try JSONEncoder().encode(session.transcript) // 恢复用历史对话创建全新会话 let restored try JSONDecoder().decode(Transcript.self, from: data) let newSession LanguageModelSession(model: model, transcript: restored) // 直接接着聊模型记得之前所有内容 let response try await newSession.respond(to: 我们刚才聊到哪了)这是实现历史聊天记录、会话断点续聊等功能的官方推荐路径。另外如果初始化时传入了instructions框架会自动将其作为第一条instructions条目写入对话记录并且不会重复插入——即使你同时传入了已包含指令的 Transcript该逻辑同样位于 LanguageModelSession.swift。多轮会话最佳实践与避坑指南 ✅实践建议说明复用 Session 而非重建多轮会话实现的核心就是保持同一会话对象避免上下文丢失指令只传一次系统指令通过instructions:参数传入框架会保证唯一注意上下文长度对话越久记录越长注意各提供商的上下文窗口限制超长时需自行裁剪展示层直接绑定 transcript用它渲染聊天 UI天然与响应式框架SwiftUI Observation契合工具调用无需手动记录toolCalls与toolOutput条目由框架自动写入你只需专注工具本身的实现总结 AnyLanguageModel 把记忆这件事彻底封装好了Transcript负责记录LanguageModelSession负责自动维护。你只需要复用同一个会话对象连续发起请求就能获得稳定可靠的多轮对话体验再配合 Codable 序列化和多模态图片支持无论是聊天应用、客服机器人还是 AI 助手都能快速落地。如果想要完整运行示例可以克隆仓库https://gitcode.com/gh_mirrors/an/AnyLanguageModel查看源码与测试用例从 LanguageModelSession.swift 和 Transcript.swift 开始阅读是最佳入口。【免费下载链接】AnyLanguageModelAn API-compatible, drop-in replacement for Apples Foundation Models framework with support for custom language model providers.项目地址: https://gitcode.com/gh_mirrors/an/AnyLanguageModel创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 AnyLanguageModel 对话管理指南：Transcript 与多轮会话实现
AnyLanguageModel 对话管理指南Transcript 与多轮会话实现【免费下载链接】AnyLanguageModelAn API-compatible, drop-in replacement for Apples Foundation Models framework with support for custom language model providers.项目地址: https://gitcode.com/gh_mirrors/an/AnyLanguageModelAnyLanguageModel 是一个 API 兼容、可直接替换 Apple Foundation Models 框架的 Swift 开源库支持 OpenAI、Anthropic、Gemini、Ollama 等十余种自定义语言模型提供商。很多新手在接入 AI 后遇到的第一个坎就是模型总是失忆答完上一句就忘了下一句。本文将手把手讲解它的对话管理机制——Transcript对话记录与多轮会话实现帮你用最少的代码构建出真正有记忆的 AI 聊天应用。什么是 TranscriptAI 对话的记忆档案 Transcript是 AnyLanguageModel 中专门用来表示用户与模型之间完整对话历史的类型。它定义在 Transcript.swift本质上是一个有序的对话条目数组同时满足Sendable、Equatable、Codable三个协议。这意味着它有三个杀手级特性Sendable可以安全地在并发任务之间传递Equatable方便做状态对比与测试断言Codable可以直接序列化为 JSON用于保存、恢复、传输整段对话。更贴心的是Transcript还实现了RandomAccessCollection协议你可以像操作数组一样对它进行下标访问和遍历例如session.transcript[0]、session.transcript.count。一次对话的 5 种条目类型 Transcript.Entry用枚举把一次对话拆成了 5 种角色覆盖了从设定角色到工具调用的完整生命周期条目类型含义典型来源.instructions开发者设定的系统指令初始化会话时自动写入.prompt用户发送的提示词每次respond自动写入.toolCalls模型发起的工具调用工具调用场景自动写入.toolOutput工具执行后的返回结果工具执行完成后自动写入.response模型生成的回答每次respond自动写入每种条目都带有稳定的id默认是 UUID方便你追踪、回放或定位某一条具体消息。测试代码 TranscriptTests.swift 中详细验证了每种条目的 ID 路由逻辑。多轮会话的核心机制LanguageModelSession 自动记录 ⚙️多轮会话的秘密藏在LanguageModelSession里它定义在 LanguageModelSession.swift是一个Observable的会话对象负责协调模型、工具、指令与对话记录。关键点在于你不需要手动维护对话历史。每次调用session.respond(...)时框架会自动完成两件事把用户的Prompt追加进Transcript把模型的Response追加进Transcript。所以在 MockLanguageModelTests.swift 中你能看到这样的测试结论连续发起三轮对话后session.transcript.count从 0 依次变为 2、4、6——每一次问答都会让记忆档案多两条记录。这些记录可不是摆设。以 OpenAI 提供商为例其实现会直接调用session.transcript.toOpenAIMessages()把整段对话历史转换成 API 请求消息见 OpenAILanguageModel.swift从而让云端模型看到完整上下文。其他提供商也遵循同样的模式。三步实现多轮会话最快配置方法 理解了机制实现就非常简单了。核心思路是复用同一个 Session 对象。下面是一个完整示例let model OpenAILanguageModel( apiKey: ProcessInfo.processInfo.environment[OPENAI_API_KEY]!, model: gpt-4o-mini ) // 第一步创建会话复用同一个 session 即可 let session LanguageModelSession(model: model) // 第二步第一轮对话 let first try await session.respond(to: 你好我叫小明是一名 iOS 开发者) // 第三步第二轮对话——模型已经记得你是谁 let second try await session.respond(to: 我叫什么名字我做什么工作) print(second.content) // 输出会包含小明和iOS 开发者整个多轮会话实现只需要三步建会话、发消息、复用会话继续发。Transcript的自动记录让上下文无缝衔接你甚至可以在 UI 上直接绑定session.transcript来渲染聊天界面——由于它支持Observable响应式更新新消息出现时界面会自动刷新。流式输出也能自动记录对话 如果你想要打字机式的流式输出streamResponse同样会自动维护对话记录Prompt 在流开始时就写入Response 在流结束后自动追加。用法与非流式几乎一致let stream session.streamResponse(to: 用一句话解释什么是大语言模型) for try await snapshot in stream { print(snapshot.content) // 边生成边显示 }流式期间你可以通过session.isResponding判断模型是否正在响应用于显示加载动画防止用户重复提交。多模态对话图片也能写进 Transcript ️Transcript.Segment支持三种内容段.text文本、.structure结构化内容、.image图片。图片段ImageSegment既可以用二进制数据data:mimeType:构造也可以用 URL 构造还支持直接从UIImage、NSImage、CGImage编码转换。多轮对话中加入图片非常直观let response try await session.respond( to: 这张图里有什么, images: [ .init(url: URL(fileURLWithPath: /path/to/photo.jpg)) ] )图片会被作为 prompt 的一部分写入Transcript也就是说——多轮对话里发过的图片后续轮次中模型依然看得到。这在构建看图连续追问的场景如识别发票后追问金额时非常实用。恢复历史会话用已有 Transcript 初始化 得益于Codable你可以把Transcript序列化保存下次启动应用时再恢复。LanguageModelSession提供了接受Transcript的初始化方法// 保存把对话记录转成 JSON 数据 let data try JSONEncoder().encode(session.transcript) // 恢复用历史对话创建全新会话 let restored try JSONDecoder().decode(Transcript.self, from: data) let newSession LanguageModelSession(model: model, transcript: restored) // 直接接着聊模型记得之前所有内容 let response try await newSession.respond(to: 我们刚才聊到哪了)这是实现历史聊天记录、会话断点续聊等功能的官方推荐路径。另外如果初始化时传入了instructions框架会自动将其作为第一条instructions条目写入对话记录并且不会重复插入——即使你同时传入了已包含指令的 Transcript该逻辑同样位于 LanguageModelSession.swift。多轮会话最佳实践与避坑指南 ✅实践建议说明复用 Session 而非重建多轮会话实现的核心就是保持同一会话对象避免上下文丢失指令只传一次系统指令通过instructions:参数传入框架会保证唯一注意上下文长度对话越久记录越长注意各提供商的上下文窗口限制超长时需自行裁剪展示层直接绑定 transcript用它渲染聊天 UI天然与响应式框架SwiftUI Observation契合工具调用无需手动记录toolCalls与toolOutput条目由框架自动写入你只需专注工具本身的实现总结 AnyLanguageModel 把记忆这件事彻底封装好了Transcript负责记录LanguageModelSession负责自动维护。你只需要复用同一个会话对象连续发起请求就能获得稳定可靠的多轮对话体验再配合 Codable 序列化和多模态图片支持无论是聊天应用、客服机器人还是 AI 助手都能快速落地。如果想要完整运行示例可以克隆仓库https://gitcode.com/gh_mirrors/an/AnyLanguageModel查看源码与测试用例从 LanguageModelSession.swift 和 Transcript.swift 开始阅读是最佳入口。【免费下载链接】AnyLanguageModelAn API-compatible, drop-in replacement for Apples Foundation Models framework with support for custom language model providers.项目地址: https://gitcode.com/gh_mirrors/an/AnyLanguageModel创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考