要使用Chat GPT接口进行连续对话，首先需要配置一个持久化的会话模型，用于存储用户和服务器之间的上下文信息。

以下是一个示例配置：

1. 创建Session类：

```
class Session:
def __init__(self):
self.conversation_history = []
self.current_question = None
self.current_answer = None
```

该类包含一个conversation_history列表，其中包含当前会话的所有对话历史记录，以及current_question和current_answer字段，用于指示当前对话轮次中的问题和答案。

2. 创建接口实例：

```
from transformers import AutoTokenizer, AutoModelForCausalLM, pipeline

tokenizer = AutoTokenizer.from_pretrained("microsoft/DialoGPT-large")
model = AutoModelForCausalLM.from_pretrained("microsoft/DialoGPT-large")
chatbot = pipeline("text-generation", model=model, tokenizer=tokenizer)
```

该代码使用transformers库中的pipeline模块，创建了一个具有DialogGPT模型的接口实例。

3. 连续对话逻辑：

现在，可以使用Session类和chatbot实例来实现连续对话。以下是一个示例代码片段：

```
session = Session()

while True:
user_input = input("User: ")

if user_input == "exit":
break

if session.current_answer is not None and user_input == "yes":
session.conversation_history.append((session.current_question, session.current_answer))
session.current_question = None
session.current_answer = None
continue

if session.current_question is not None:
session.current_answer = chatbot(session.current_question + user_input)[0]["generated_text"]

print("Bot:", session.current_answer)
print("Bot: Is this answer helpful? (yes/no)")

else:
session.current_question = user_input

session.current_answer = chatbot(session.current_question)[0]["generated_text"]

print("Bot:", session.current_answer)
```

该代码向用户请求输入，将其传递给chatbot实例，并根据对话状态维护会话历史记录。如果用户指示问题的答案有用，则会将当前对话轮次添加到会话历史记录中，并清除current_question和current_answer字段，以准备下一轮对话。