大模型 chat 接口的标准消息格式

{"role": "user", "content": query}是 OpenAI / 大模型 chat 接口的标准消息格式，告诉模型"这是来自用户的一条消息，内容是 query 变量里的字符串"。

拆开看

{
  "role": "user",       # ← 谁说的
  "content": query      # ← 说了啥
}

字段	含义
role	消息发送者的身份角色，固定枚举值
content	消息的实际文本内容（也支持图片、工具结果等结构化内容）

role 的四种合法值

role	谁说的	示例
system	系统/开发者，给模型设定身份和规则	"你是一个写代码的助手"
user	用户输入	"帮我写一个排序函数"
assistant	模型自己之前说过的话	"好的，下面是代码..."
tool	工具执行的返回结果	"ls 命令输出: file1.txt"

具体场景

看主循环这段：

while True:
    query = input("\033[36m >> \033[0m")   # 用户在终端输入
    ...
    history.append({"role": "user", "content": query})  # ← 把用户输入封装成"用户消息"
    agent_loop(history)                                  # 把整个历史传给模型

为什么要包成这个结构？因为模型 API 不接受裸字符串，它要的是一个消息列表，每条消息都必须标注角色：

history = [
    {"role": "user",      "content": "看下当前目录有啥"},
    {"role": "assistant", "content": "", "tool_calls": [...]},   # 模型决定调 bash
    {"role": "tool",      "tool_call_id": "...", "content": "file1.txt"},  # bash 返回
    {"role": "assistant", "content": "目录里有 file1.txt"},      # 模型最终回答
    {"role": "user",      "content": "再看下文件大小"},          # ← 你下一次输入
]

模型拿到这个列表，就能"看懂"整段对话上下文。

为什么需要 role 这个字段？

1. 区分发言人：不告诉模型"这是你之前说的"还是"用户新说的"，模型会混乱
2. 训练时就这么对齐：模型在训练阶段看到的就是 role + content 的格式，推理时必须保持一致
3. 支持多轮对话：通过滚动追加 role: user / role: assistant 形成上下文

一句话

{"role": "user", "content": query} = "这条消息是用户说的，内容是 query 这个字符串"，是大模型 chat API 必备的消息封装格式。