大家好，我是链上杯子（掘金：链上杯子）。
失业一年了，天天想着怎么翻身。最近在写提示词工具时发现，每次关掉程序，对话历史就没了。把聊天记录保存到文件里，下次打开还能继续看，甚至还能读取历史来做更长的上下文提示。学会文件读写后，感觉离一个真正能“记住”对话的小工具又近了一步。
本课目标：学会使用 Python 内置模块（import）、文件读写（open、read、write）、以及 json 模块处理结构化数据。通过保存/读取对话历史（txt 和 json 格式），实现提示词和 AI 交互记录的持久化。
核心代码实战
1. 基础文件操作 —— 保存对话到 txt 文件
# 先导入 open 需要的内置功能（其实 open 是内置的，不需要 import）
history = [
"用户：今天想写什么？",
"AI：来点治愈系短文吧～",
"用户：主题：雨天的咖啡馆",
"AI：好的，生成中..."
]
# 以写模式 'w' 打开文件（不存在会创建，存在会覆盖）
with open("conversation.txt", "w", encoding="utf-8") as f:
for message in history:
f.write(message + "\n") # 每条消息占一行
print("对话已保存到 conversation.txt")
运行后，当前目录会出现 conversation.txt 文件，内容是：
用户：今天想写什么？
AI：来点治愈系短文吧～
用户：主题：雨天的咖啡馆
AI：好的，生成中...
2. 读取 txt 文件 —— 加载历史继续对话
# 以读模式 'r' 打开
with open("conversation.txt", "r", encoding="utf-8") as f:
saved_history = f.readlines() # readlines() 返回列表，每行一个元素
# 去掉每行末尾的换行符 \n
saved_history = [line.strip() for line in saved_history]
print("从文件加载的对话历史：")
for msg in saved_history:
print(msg)
# 可以继续追加新消息
new_message = "用户：再来一篇关于星空的"
saved_history.append(new_message)
# 重新保存（覆盖原文件）
with open("conversation.txt", "w", encoding="utf-8") as f:
for msg in saved_history:
f.write(msg + "\n")
print("\n已追加新消息并保存。")
运行后会看到加载的内容，并追加一条新消息。
3. 使用 json 模块 —— 保存结构化对话（推荐方式）
json 模块可以把 Python 列表/字典存成标准 json 文件，读取时也能直接转回列表/字典。
import json # 需要 import json 模块
# 更结构化的历史：列表里放字典
structured_history = [
{"role": "user", "content": "今天心情一般，想听故事"},
{"role": "assistant", "content": "来一段温暖的冬日小故事？"},
{"role": "user", "content": "主题：雪地里的小屋"},
{"role": "assistant", "content": "雪花轻轻落在屋顶..."}
]
# 保存到 json 文件
with open("history.json", "w", encoding="utf-8") as f:
json.dump(structured_history, f, ensure_ascii=False, indent=2)
# indent=2 让文件可读性更好，ensure_ascii=False 防止中文乱码
print("结构化对话已保存到 history.json")
# 读取回来
with open("history.json", "r", encoding="utf-8") as f:
loaded_history = json.load(f)
print("\n从 json 加载的对话：")
for msg in loaded_history:
print(f"{msg['role']}：{msg['content']}")
运行后，history.json 文件内容类似：
[
{
"role": "user",
"content": "今天心情一般，想听故事"
},
{
"role": "assistant",
"content": "来一段温暖的冬日小故事？"
},
...
]
加载回来后，可以直接用于后续生成更长的上下文提示词。
小练习（2 道）
练习1（基础）
写一段代码：
- 定义一个列表，里面放 4–6 条你自己生成的提示词（字符串）。
- 用 with open 保存到 "my_prompts.txt" 文件，每条占一行。
- 然后再读取回来，打印所有内容。
练习2（进阶）
用 json 方式：
- 定义一个列表，里面放 4–5 个字典（每个字典有 "role" 和 "content" 键）。
- 保存到 "chat_history.json"。
- 读取回来后，遍历打印每条消息的 role 和 content。
- 再追加一条新消息（比如 {"role": "user", "content": "继续写"}），重新保存文件。
建议打开生成的 json 文件看看内容是否正确。
本课小结
本课介绍了 import 模块（json）、文件读写（open/with/read/write/readlines）、json.dump/load 保存/读取结构化数据。
在 AI 场景中，文件操作让对话历史可以持久化，下次打开程序还能“接上”之前的上下文，离完整的小 AI 工具又近一步。
下节预告
下一课：调用免费 LLM API（入门）—— 用 requests 模块调用免费大模型 API，实现真正的 AI 交互。
欢迎在评论区贴出练习代码或生成的提示词，有问题可以留言。
