Vai al contenuto principale
Italiano— Scegli una lingua
Menu

Contesto multi-turn: archiviazione e crittografia

Lezione 9 di 12 Aggiornata il 30 luglio 2026 Avanzato
In questa pagina
  1. Il problema del contesto tra le richieste
  2. Metodo 1: store_messages e previous_response_id
  3. Metodo 2: use_encrypted_content
  4. Scegliere tra i due metodi
  5. Combinazione con il flusso di lavoro ibrido
  6. Punti chiave

Il problema del contesto tra le richieste

In una conversazione multi-turn con strumenti, il volume del contesto cresce rapidamente. Ogni chiamata allo strumento aggiunge i suoi risultati al thread dei messaggi e il ragionamento interno del modello deve essere preservato per garantire la coerenza. Due meccanismi risolvono questo problema: l’archiviazione remota e la crittografia lato client.

Metodo 1: store_messages e previous_response_id

L’archiviazione remota delega la gestione del contesto ai server xAI. Abiliti store_messages=True nella tua prima richiesta, quindi colleghi le richieste successive con previous_response_id:

# First request: enable storage
response = await client.chat.completions.create(
    model="grok-4.5",
    messages=[{"role": "user", "content": "Analyze this sales dataset"}],
    tools=my_tools,
    store_messages=True
)

response_id = response.id  # save the ID

# Next request: use stored context
response2 = await client.chat.completions.create(
    model="grok-4.5",
    messages=[{"role": "user", "content": "What are the top 3 selling products?"}],
    previous_response_id=response_id,
    store_messages=True
)

Con questo approccio, non hai bisogno di reinviare l’intera cronologia dei messaggi. Il server xAI mantiene il contesto e lo allega automaticamente. Questo riduce la dimensione della richiesta e semplifica il tuo codice.

Vantaggi

  • Richieste più leggere (nessun bisogno di reinviare l’intera cronologia)
  • Il ragionamento interno del modello viene preservato automaticamente
  • Nessuna gestione complessa dello stato lato client

Limitazioni

  • I messaggi sono archiviati sui server xAI (considerazione sulla privacy)
  • L’response_id deve essere mantenuto tra le richieste
  • L’archiviazione ha un periodo di conservazione limitato

Metodo 2: use_encrypted_content

La crittografia lato client offre un’alternativa per i casi in cui desideri mantenere il controllo del contesto senza archiviare i tuoi dati sui server xAI:

# Enable encrypted content
response = await client.chat.completions.create(
    model="grok-4.5",
    messages=[{"role": "user", "content": "Analyze this contract"}],
    tools=my_tools,
    use_encrypted_content=True
)

# Reasoning and tool outputs are returned encrypted
# You add them as-is to subsequent messages
messages = [
    {"role": "user", "content": "Analyze this contract"},
    response.choices[0].message,  # contains encrypted content
    {"role": "user", "content": "What are the termination clauses?"}
]

response2 = await client.chat.completions.create(
    model="grok-4.5",
    messages=messages,
    use_encrypted_content=True
)

Con use_encrypted_content=True, il ragionamento interno e i risultati degli strumenti vengono restituiti in forma crittografata. Non puoi leggerli, ma li reinvi nelle richieste successive. Il server li decrittografa per mantenere la continuità del ragionamento.

Vantaggi

  • Il contesto rimane sotto il tuo controllo (nessuna archiviazione remota)
  • Il ragionamento interno viene preservato senza essere esposto in testo in chiaro
  • Compatibile con politiche di privacy rigorose

Limitazioni

  • Le richieste sono più grandi (il contenuto crittografato è incluso)
  • Devi gestire la cronologia dei messaggi lato client

Scegliere tra i due metodi

La scelta dipende dal tuo contesto:

  • store_messages: preferibile per applicazioni di chat, assistenti interattivi e casi in cui la semplicità viene prima di tutto. Il contesto è gestito automaticamente.
  • use_encrypted_content: preferibile per applicazioni sensibili, elaborazione di documenti riservati e casi in cui i dati non devono lasciare la tua infrastruttura (oltre al transito API).

Combinazione con il flusso di lavoro ibrido

Entrambi i metodi si integrano nel pattern a ciclo visto nella lezione precedente:

async def multi_turn_conversation(questions: list[str]) -> list[str]:
    responses = []
    previous_id = None

    for question in questions:
        kwargs = {
            "model": "grok-4.5",
            "messages": [{"role": "user", "content": question}],
            "tools": my_tools,
            "store_messages": True,
        }
        if previous_id:
            kwargs["previous_response_id"] = previous_id

        response = await client.chat.completions.create(**kwargs)
        previous_id = response.id
        responses.append(response.choices[0].message.content)

    return responses

Questo pattern collega le domande preservando l’intero contesto della conversazione, inclusi i risultati degli strumenti e il ragionamento interno del modello.

Punti chiave

  • store_messages=True + previous_response_id delega la gestione del contesto a xAI
  • use_encrypted_content=True preserva il ragionamento senza archiviazione remota
  • La scelta dipende dai tuoi vincoli di privacy e semplicità
  • Entrambi i metodi sono compatibili con flussi di lavoro multi-turn e strumenti ibridi
  • previous_response_id elimina la necessità di reinviare l’intera cronologia dei messaggi