在Python中使用Ollama库进行对话，可以通过`ollama`包与本地运行的Ollama模型进行交互。这个库支持记录历史对话，并允许开启新的对话。 以下是一个基本的代码示例，演示如何使用`ollama`库进行包含历史记录的对话并开启新对话： ```python import ollama # 初始化对话历史记录 conversation_history = [] def chat_with_ollama(prompt, model="llama3"): """ 与Ollama模型进行交互，并记录对话历史。 参数: - prompt: 用户输入的问题或指令 - model: 使用的模型名称，默认为"llama3" 返回: - response['message']['content']: 模型返回的回答 """ # 向模型发送请求 response = ollama.chat( model=model, messages=[ {"role": "user", "content": prompt} ] ) # 将用户和助手的回复添加到对话历史中 conversation_history.append({"role": "user", "content": prompt}) conversation_history.append(response['message']) return response['message']['content'] def start_new_conversation(): """ 开启一个新的对话，清空当前的对话历史记录。 """ global conversation_history conversation_history = [] print("New conversation started.") # 示例：进行几次对话 response1 = chat_with_ollama("Tell me a short story about a robot.") print(f"Ollama: {response1}") response2 = chat_with_ollama("What happens next in the story?") print(f"Ollama: {response2}") # 开启新对话 start_new_conversation() # 新对话 response3 = chat_with_ollama("Explain quantum computing in simple terms.") print(f"Ollama: {response3}") ``` ### 说明： 1. **`ollama.chat()`** 方法用于向模型发送消息，其中 `messages` 参数是一个包含对话历史的列表。在这个例子中，我们只传入了当前用户的提问，但你可以将之前的对话记录也加入其中以维持上下文[^1]。 2. **`conversation_history`** 是一个全局变量，用来保存完整的对话记录。每次调用 `chat_with_ollama()` 函数时，都会将用户输入和模型回复追加到该列表中。 3. **`start_new_conversation()`** 函数用于清空当前的对话历史记录，从而开启一个新的对话。 ### 要求： - 确保你已经安装了 `ollama` Python 库，可以通过 `pip install ollama` 安装。 - Ollama 必须在本地运行，可以通过命令行执行 `ollama run llama3` 或其他模型来启动服务。