# 导入第三方库 requests：用于发送网络请求，调用AI接口
import requests
# 导入 python-dotenv 库的 load_dotenv：用于加载 .env 文件中的隐私配置
from dotenv import load_dotenv
# 导入内置库 os：用于读取系统环境变量（获取API密钥）
import os

# 加载项目根目录下的 .env 环境变量文件（隐藏密钥，不暴露在代码里）
load_dotenv()

# 从环境变量中获取 DeepSeek 的 API_KEY（安全写法，不会泄露密钥）
API_KEY = os.getenv("DEEPSEEK_API_KEY")

# DeepSeek AI 接口的官方请求地址
URL = os.getenv("DEEPSEEK_URL")
# 定义多轮对话函数
# 参数 history：存储历史对话记录的列表
# 参数 question：用户本次发送的问题
def chat(history, question):
    # 1. 将用户的问题，添加到对话历史列表中（角色：用户）
    history.append({"role": "user", "content": question})
    
    # 2. 发送POST请求调用AI接口
    res = requests.post(
        URL,  # 接口地址
        # 请求头：授权信息（Bearer + 密钥）
        headers={"Authorization": f"Bearer {API_KEY}"},
        # 请求体：指定模型 + 传递完整的对话历史（实现上下文记忆）
        json={"model": "deepseek-chat", "messages": history},
        # 请求超时时间：30秒
        timeout=30
    )
    
    # 3. 解析接口返回的JSON数据，提取AI的回答内容
    reply = res.json()["choices"][0]["message"]["content"]
    
    # 4. 将AI的回答，添加到对话历史列表中（角色：AI助手）
    history.append({"role": "assistant", "content": reply})
    
    # 5. 返回AI的回答给用户
    return reply

# 初始化空列表：用来存储【全程的对话历史】，实现多轮聊天
history = []  

# 无限循环：持续聊天，直到输入 quit 退出
while True:
    # 获取用户在控制台输入的问题
    q = input("你：")
    
    # 如果用户输入 quit，终止循环，结束聊天
    if q == "quit":
        break
    
    # 调用chat函数，获取AI回答并打印
    print(f"AI:{chat(history, q)}")