# Step 08: 对话管理

一句话导读：给裸对话引擎装上「性格模板」（System Prompt）、「遥控器」（斜杠命令）和「油量表」（Token 估算）——从「你说什么它答什么」升级为一个有边界、可控制、可观测的对话系统。

# 一、这一步做了什么（What）

step06-07 已经能和 Claude 流式对话了，但它是「裸」的：没有行为约束、没有控制手段、看不到上下文有多大。step08 补齐三件事：

System Prompt：一段初始化指令，通过 API 的 system 参数传入，约束 AI 的角色与风格；
斜杠命令：/clear 重置历史、/info 查看对话统计，把「对话」和「控制」两条通道分开；
Token 估算：estimateTokens() 用 chars/4 粗算上下文大小，每轮显示 tokens: X in / Y out。

代码量很小，但确立了一个 CLI AI 产品的三大基础能力：约束、控制、观测。

# 二、面试官视角：为什么要做？（Why）

面试题：System Prompt 和普通的用户消息都是文本，为什么不直接把「你是一个编程助手」拼到第一条 user 消息里，而要用单独的 system 参数？

因为二者的语义地位和生命周期完全不同：

维度	塞进 user 消息	用 system 参数
是否进对话历史	是，占据一条 message	否，独立通道，不算历史
会不会被 /clear 清掉	会，重置后 AI 失忆	不会，贯穿整个会话
权重	和普通用户输入同级，容易被后续对话「冲淡」	模型对 system 有更高的服从优先级
多轮一致性	需要每轮重复拼接	一次设定，每轮自动生效

一句话：System Prompt 是「宪法」，user 消息是「日常对话」。宪法不该混在日常对话里，否则清一次历史就「违宪」了。这也是为什么真实 Claude Code 把系统提示词单独放在 constants/system.ts（约 500 行），而不是散落在对话里。

# 三、原理：它是怎么工作的（How）

# System Prompt 通过独立通道注入

我们的系统提示词就是几行字符串，join('\n') 成一段：

const SYSTEM_PROMPT = [
  'You are a helpful coding assistant.',
  'Keep responses concise and practical.',
  'When writing code, include brief explanations.',
  'If unsure, ask clarifying questions.',
].join('\n');

1
2
3
4
5
6

关键在 streamAI 里——它作为 system 参数传给 API，和 messages 是并列的两个字段：

const stream = getClient().messages.stream({
  model: process.env['MODEL'] || 'claude-sonnet-4-20250514',
  max_tokens: 1024,
  system: systemPrompt || DEFAULT_SYSTEM,  // ← 独立通道，不进 messages
  messages,                                 // ← 只有 history + 当前 user 输入
});

1
2
3
4
5
6

注意 messages 里从头到尾没有 system 提示词的影子，它走的是另一条道。

# 斜杠命令：拦截在 API 调用之前

主循环拿到输入后，先判断是不是命令，命令直接 continue，根本不发给 AI：

if (input === '/clear') {
  history.length = 0;   // 清空历史
  turnCount = 0;
  showSuccess('对话已重置');
  continue;             // ← 不进 streamAI，不花 token
}
if (input === '/info') {
  const totalText = history.map(m => m.content).join('');
  showInfo('估算 token: ' + estimateTokens(totalText) + ' (chars/4)');
  continue;
}

1
2
3
4
5
6
7
8
9
10
11

# 数据流

用户输入
   ↓
是斜杠命令？ ──是──> 本地处理 /clear /info → continue（不调 API）
   ↓ 否
turnCount++ → streamAI(input, history, writeChunk, SYSTEM_PROMPT)
   ↓                         │              │
   ↓                    对话历史         宪法（独立通道）
   ↓
流式输出 + 显示 tokens: X in / Y out
   ↓
history.push(user) / history.push(assistant)

1
2
3
4
5
6
7
8
9
10
11

# Token 估算：粗糙但够用

export function estimateTokens(text: string): number {
  return Math.ceil(text.length / 4);
}

1
2
3

chars/4 是英文文本的经验比值。它不精确（中文、代码符号都会偏差），但目的不是精确计费，而是让用户对「上下文在膨胀」有直觉——这是后面会话压缩、预算控制的心理铺垫。

# 四、深入追问（面试常见 follow-up）

Q：/clear 清空了 history，为什么 AI 还记得「自己是编程助手」？ A：因为 System Prompt 根本不在 history 里。/clear 只 history.length = 0，清的是对话记录；系统提示词是每轮从常量重新传入 system 参数的，和历史无关。这正是把「宪法」和「日常」分开存储的收益。

Q：斜杠命令为什么在本地拦截，而不是发给 AI 让它「理解」？ A：三个原因。一是确定性——/clear 必须百分百清空，不能靠模型「理解意图」；二是省钱省时——命令不该消耗 token 和网络往返；三是关注点分离——控制指令和自然语言对话是两种交互，混在一起模型容易误判。真实 Claude Code 的 commands/ 目录也是同样的本地拦截思路。

Q：estimateTokens 用 chars/4 这么糙，会不会误导用户？ A：会有偏差，但它的定位是「量级感知」而非「精确计费」。真实计费要用官方 tokenizer。工程上常见的做法就是先用廉价估算做 UI 提示，等真正要做预算硬控制（如 tokenBudget.ts）时再上精确方案——不为一个提示信息付出 tokenizer 的性能代价。

Q：System Prompt 越长越好吗？ A：不是。它每轮都要发送，直接占用输入 token 和成本；过长还会稀释关键指令的权重。真实的 500 行是因为要塞工具定义、安全规则、输出格式等硬约束，且配合了 prompt caching 降低重复成本。我们 4 行是最小可用影子。

# 五、踩坑 / 设计权衡

/clear 会不会误清系统提示词？ 不会，但前提是你把二者分开存。如果当初图省事把系统提示词塞进 history[0]，/clear 就会把它一起清掉，这是新手常见 bug。
turnCount 与 history.length 的关系：一轮对话产生两条消息（user + assistant），所以 history.length ≈ turnCount * 2。/info 同时显示两者，方便区分「轮次」和「消息条数」。

# 六、与真实源码的对照

我们的实现	Claude Code 源码
4 行 SYSTEM_PROMPT 常量	`constants/system.ts` ~500 行 + `systemPromptSections.ts` 分段拼装
`/clear` `/info` 硬编码在主循环	`commands/` 目录，命令注册表 + 独立处理器
`estimateTokens = chars/4`	`utils/tokenBudget.ts` 精确 tokenizer + 预算控制
system 参数直接传字符串	system 配合 prompt caching，降低重复发送成本

# 七、一句话总结

step08 = 给裸对话装三件套：System Prompt 走独立 system 通道当「不可清除的宪法」，斜杠命令在本地拦截保证控制的确定性与低成本，Token 估算让「上下文膨胀」变得可见——约束、控制、观测三件事一次补齐。

# 下一节预告

对话现在只活在内存里，关掉终端就全丢了。step09 会把对话存到磁盘，引入 /save /load /sessions 的「检查点」模式。

← 流式输出会话持久化保存与加载对话 →