调用参数、流式输出与错误处理

调用设置控制哪些事情

模型接口除了任务内容，通常还有一些设置，用于选择模型、限制输出、决定怎样返回结果或影响生成策略。它们不会自动补齐缺失事实，但会影响用量、等待体验和输出形态。

不同模型支持的参数不同，同一个参数名在不同接口中的含义也可能有差异。学习时应先理解概念；实际使用再查所选服务的当前文档，不必记一套所谓所有模型通用的配置。

输出长度和内容完整性怎样联系

如果要求写一份较长报告，却只给很小的输出空间，结果可能被截断。应用应查看结束原因，而不能因为收到了部分文字就认为任务成功。

先缩小任务范围也可能解决问题。例如，只需要三条行动项，就不要请求背景、长分析和总结全都输出。若确实需要长文，可以分段生成，并在最后检查前后衔接。相关模型的推理用量与输出限制怎样计算，应以服务说明为准。

为什么低随机性仍可能答错

采样参数改变的是怎样从候选输出中选择内容，不能让一个没有依据的事实突然获得证据。模型若把材料理解错了，较低随机性可能只是更稳定地沿用同一种错误。

反过来，较开放的生成设置可能适合产生不同标题或创作思路，但你仍需要筛选结果。任务有精确答案时，优先提供正确输入、合适工具和验收标准；任务需要创意时，再关注候选的多样性。

一次失败应该从哪里排查

把问题分到正确位置很重要。没有任何回复且显示超时，应检查服务连接与状态；提示凭据无效，应检查账户配置；输出完整但日期写错，应回到消息和材料；输出半句话就结束，应检查结束原因与限制。

用量为什么要与结果一起记录

两次任务看起来都只问了一句话，但第二次可能附带了长历史和大量资料。真实输入用量由发送的内容决定，而不只是页面最后一行字。Agent还会多次调用模型，费用和等待也会随过程增长。

记录请求用量、耗时和通过情况，才能比较一次设置调整是否有价值。只看生成速度或单次价格，很容易漏掉人工核验与返工的时间。后面的成本课程会把这几项放在一起计算。