Day 6：把对话保存成 JSON

今天是「普通 Python 程序」阶段的最后一天。我们新增 app/storage.py，用 pathlib / json / with 把 messages 持久化到 data/conversations.json。仍然没有碰模型——这一步只解决一件事：让程序自己负责保存对话，而不是指望某个模型服务替你存。

今天完成什么

• 创建 app/storage.py，实现 load_messages() 和 save_messages()。
• 用 pathlib 管理 data/ 目录，把 messages 列表写入 data/conversations.json。
• 修改 main.py：启动时先 load_messages()（读回上次），结束时 save_messages()（存下本次）。

它接在昨天哪里

Day 5 的 main.py 已经生成了 messages 列表，但只打印了一句「已就绪，下一步将保存」。今天把它真正落盘：程序一开始就读回上一次的对话，结束时把这一次的全部消息写进 JSON 文件。

概念解释

• pathlib.Path：像 JS 里的 path 模块，但用 / 运算符拼路径，自动跨平台。例如 Path("data") / "conversations.json"。
• with open(...) as f：上下文管理器，离开 with 块时自动关文件，相当于 JS 里 try { ... } finally { stream.close() }。
• json.dumps / json.loads：字典 ↔ JSON 文本。messages 是 list[dict]，天然能被 JSON 序列化。

类比的边界：浏览器的 localStorage 是浏览器自动替你存、自动给你取。而这里是我们自己的 Python 代码显式读写磁盘文件。这一点很重要——后面接入 DeepSeek 后，模型服务是无状态的，它不会碰你的磁盘，更不会替你保存会话。持久化只能由你自己的程序做。

动手前的目录

python-learning-agent/
├─ app/
│  ├─ __init__.py
│  └─ classifier.py
├─ main.py
├─ requirements.txt
├─ .env.example
└─ .gitignore

分步实现

1. 在 app/storage.py 里用 Path(__file__).resolve().parent.parent 找到项目根，再拼出 data/conversations.json。
2. 实现 save_messages(messages)：确保 data/ 存在，然后把列表写成格式化 JSON（ensure_ascii=False 保留中文）。
3. 实现 load_messages()：文件不存在就返回空列表 []，否则读回并 json.loads。
4. 改写 main.py：开头 messages = load_messages()，结尾 save_messages(messages)。
5. 连跑两次，第二次能看到第一次存下的消息——这就是「程序负责持久化」的直观证据。

完整代码

python-learning-agent/app/storage.py

from pathlib import Path
import json

# 项目根 / data / conversations.json
DATA_DIR = Path(__file__).resolve().parent.parent / "data"
DATA_FILE = DATA_DIR / "conversations.json"


def save_messages(messages):
    """把对话列表写入 data/conversations.json。"""
    DATA_DIR.mkdir(parents=True, exist_ok=True)
    DATA_FILE.write_text(
        json.dumps(messages, ensure_ascii=False, indent=2),
        encoding="utf-8",
    )


def load_messages():
    """读取 data/conversations.json；文件不存在时返回空列表。"""
    if not DATA_FILE.exists():
        return []
    return json.loads(DATA_FILE.read_text(encoding="utf-8"))

说明：这里用 write_text / read_text 配合 with 的语义一致，都是「自动开、自动关」。如果你更习惯经典写法，也可以写成 with open(DATA_FILE, "w", encoding="utf-8") as f: json.dump(messages, f, ensure_ascii=False, indent=2)，效果相同。

python-learning-agent/main.py

from app.classifier import create_message, classify_message
from app.storage import load_messages, save_messages


def main():
    name = input("你的名字：")
    topic = input("今天想学什么：")

    # 先把上一次的对话读回来（没有就得到空列表）
    messages = load_messages()

    user_msg = create_message("user", f"{name} 想学习：{topic}")
    messages.append(user_msg)

    category = classify_message(user_msg["content"])
    print(f"分类结果：{category}")

    messages.append(create_message("system", "你是一个耐心的中文编程学习助手。"))

    # 保存到磁盘，下次启动还能读回来
    save_messages(messages)
    print(f"已保存 {len(messages)} 条消息到 data/conversations.json")


if __name__ == "__main__":
    main()

未改动的文件（app/classifier.py、requirements.txt、.env.example、.gitignore）沿用 Day 5，无需重写。

运行命令

cd python-learning-agent
python main.py

若尚未激活虚拟环境，先 .\.venv\Scripts\Activate.ps1（PowerShell），再 pip install -r requirements.txt。这两步在 Day 5 已讲过。

预期输出

第一次运行：

你的名字：小明
今天想学什么：怎么用字典保存消息
分类结果：查资料
已保存 2 条消息到 data/conversations.json

第二次运行：

你的名字：小红
今天想学什么：装饰器是什么
分类结果：普通聊天
已保存 4 条消息到 data/conversations.json

注意第二次是 4 条：第一次的 2 条被 load_messages() 读回，又追加了本次的 2 条。这正是「保存是程序职责」的直接体现。如果你打开 data/conversations.json，会看到 4 个 { "role": ..., "content": ... } 对象，中文正常显示。

常见错误

问题 A：JSON 里中文变成了 \u4f60\u60f3... 这种乱码。

排查：json.dumps 默认 ensure_ascii=True，会把非 ASCII 转义。写入时加 ensure_ascii=False，并且用 write_text(..., encoding="utf-8")；读回时对应 read_text(encoding="utf-8")，两者编码要配对。

问题 B：FileNotFoundError: [Errno 2] No such file or directory: 'data/conversations.json'。

排查：load_messages() 已经处理了「文件不存在返回 []」，所以报错通常出在别处。检查你是不是手动 open(DATA_FILE) 而不是先 DATA_DIR.mkdir(parents=True, exist_ok=True)。save_messages 里我们已经先建目录再写。

动手改一改

在 storage.py 里加一个 append_message(msg) 函数，只把一条消息追加到文件末尾（而不是每次重写整个列表）。思考两种策略的取舍：全量重写更简单、不怕顺序乱；追加写入更省 IO，但要自己处理「文件已存在但内容不完整」的情况。

验收清单

• [ ] app/storage.py 存在，提供 load_messages() 与 save_messages()。
• [ ] 连跑两次，第二次的消息总数 = 第一次的 2 倍（旧消息被读回又追加新消息）。
• [ ] data/conversations.json 是可读的 JSON，中文正常无 \u 转义。
• [ ] 全程没出现任何真实 API Key（Day 6 还不需要 Key）。

今日记录

今天跑通：messages 落盘到 data/conversations.json，重启可续
现在能解释：保存是程序职责；模型服务无状态，不会替本地程序存会话
明天先做：Day 7 第一次调用 DeepSeek，把 messages 发给模型取回 assistant 消息

留给明天的接口

留下 data/conversations.json 以及 storage.py 的 load_messages / save_messages。Day 7 会新增 app/deepseek_client.py，把同一个 messages 发给 DeepSeek，把返回的 assistant 消息 append 之后再 save_messages。届时你会发现：今天写的 messages 列表，明天就能原封不动地交给模型——这就是连续项目线的关键衔接点。

阶段提示：Day 1～6 都是「普通 Python 程序」——我们只做接收、分类、保存。从 Day 7 起进入「LLM 应用」阶段，程序才开始真正和外部模型对话。

进行中