From 563d97184b1c9c42d2ea0868a5e48d8d4210ae84 Mon Sep 17 00:00:00 2001 From: python Date: Tue, 9 Dec 2025 15:19:32 +0800 Subject: [PATCH] =?UTF-8?q?=E4=BC=98=E5=8C=96AI=E6=9C=8D=E5=8A=A1=E7=9A=84?= =?UTF-8?q?=E5=86=85=E5=AE=B9=E6=8F=90=E5=8F=96=E9=80=BB=E8=BE=91=EF=BC=8C?= =?UTF-8?q?=E6=9B=B4=E6=96=B0=E6=8F=90=E5=8F=96=E5=8A=A9=E6=89=8B=E7=9A=84?= =?UTF-8?q?=E6=8F=8F=E8=BF=B0=EF=BC=8C=E5=A2=9E=E5=BC=BAJSON=E6=A0=BC?= =?UTF-8?q?=E5=BC=8F=E7=9A=84=E4=B8=A5=E6=A0=BC=E6=80=A7=EF=BC=8C=E4=BF=AE?= =?UTF-8?q?=E5=A4=8D=E5=AD=97=E6=AE=B5=E5=90=8D=E9=94=99=E8=AF=AF=E5=92=8C?= =?UTF-8?q?=E4=B8=8B=E5=88=92=E7=BA=BF=E5=89=8D=E7=BC=80=E5=A4=84=E7=90=86?= =?UTF-8?q?=EF=BC=8C=E7=A1=AE=E4=BF=9D=E6=8F=90=E5=8F=96=E7=BB=93=E6=9E=9C?= =?UTF-8?q?=E7=9A=84=E5=87=86=E7=A1=AE=E6=80=A7=E5=92=8C=E4=B8=80=E8=87=B4?= =?UTF-8?q?=E6=80=A7=E3=80=82?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- services/ai_service.py | 85 ++++++++++++++++--- 修改说明.md | 179 +++++++++++++++++++++++++++++++++++++++++ 错误分析报告.md | 179 +++++++++++++++++++++++++++++++++++++++++ 3 files changed, 434 insertions(+), 9 deletions(-) create mode 100644 修改说明.md create mode 100644 错误分析报告.md diff --git a/services/ai_service.py b/services/ai_service.py index 6cc2ca0..af7281d 100644 --- a/services/ai_service.py +++ b/services/ai_service.py @@ -234,7 +234,7 @@ class AIService: "messages": [ { "role": "system", - "content": "你是一个专业的数据提取助手。请仔细分析用户提供的输入文本，提取所有相关信息，并严格按照指定的JSON格式返回结果。\n\n重要要求：\n1. 必须仔细阅读输入文本的每一个字，不要遗漏任何信息\n2. 对于每个字段，请从多个角度思考：直接提及、同义词、隐含信息、可推断信息\n3. 如果文本中明确提到某个信息（如性别、年龄、职务、职级、线索来源等），必须提取出来，不能设为空\n4. 特别关注性别字段：如果文本中出现\"男\"、\"女\"、\"男性\"、\"女性\"、\"先生\"、\"女士\"等任何表示性别的词汇，必须提取并转换为\"男\"或\"女\"\n5. 如果可以通过已有信息合理推断（如根据出生年月推算年龄，从单位及职务中拆分单位和职务），请进行推断并填写\n6. 只返回JSON对象，不要包含任何其他文字说明、思考过程或markdown代码块标记\n7. 字段名必须严格按照JSON示例中的字段编码，不能使用下划线前缀（如不能使用\"_professional_rank\"，应使用\"target_professional_rank\"；不能使用\"_source\"，应使用\"clue_source\"）" + "content": "你是一个专业的数据提取助手。请从输入文本中提取结构化信息，并严格按照JSON格式返回结果。\n\n核心要求：\n1. 仔细阅读输入文本，提取所有相关信息\n2. 如果文本中明确提到信息（如性别、年龄、职务、职级等），必须提取，不能设为空\n3. 性别字段：识别\"男\"、\"女\"、\"男性\"、\"女性\"等词汇，统一转换为\"男\"或\"女\"\n4. 只返回JSON对象，不要包含任何其他文字、思考过程或markdown标记\n5. 字段名必须严格按照示例格式，使用正确的字段编码：\n - 使用\"target_professional_rank\"，不要使用\"_professional_rank\"\n - 使用\"clue_source\"，不要使用\"_source\"或\"source\"\n - 使用\"target_organization\"，不要使用\"target_organisation\"\n6. JSON格式必须完整且有效，所有字段名使用双引号" }, { "role": "user", @@ -251,7 +251,7 @@ class AIService: "seed": 1, "max_tokens": self.api_max_tokens, "n": 1, - "enable_thinking": True + "enable_thinking": False # 关闭思考模式以提高JSON生成稳定性 } headers = { @@ -653,8 +653,17 @@ class AIService: # 处理以_开头的字段名（如_professional_rank -> professional_rank） original_key = key if key.startswith('_') and len(key) > 1: - key = key[1:] - print(f"[AI服务] 部分JSON提取：处理下划线前缀 '{original_key}' -> '{key}'") + # 特殊处理：_source -> clue_source + if key == '_source': + key = 'clue_source' + print(f"[AI服务] 部分JSON提取：修复字段名 '{original_key}' -> '{key}'") + else: + key = key[1:] + print(f"[AI服务] 部分JSON提取：处理下划线前缀 '{original_key}' -> '{key}'") + # 修复常见字段名错误 + if key == 'target_organisation': + key = 'target_organization' + print(f"[AI服务] 部分JSON提取：修复拼写错误 'target_organisation' -> 'target_organization'") if key not in result: # 避免覆盖已有值 result[key] = value print(f"[AI服务] 部分JSON提取：提取字段 '{key}' = '{value}'") @@ -671,8 +680,17 @@ class AIService: # 处理以_开头的字段名 original_key = key if key.startswith('_') and len(key) > 1: - key = key[1:] - print(f"[AI服务] 部分JSON提取：处理下划线前缀 '{original_key}' -> '{key}'") + # 特殊处理：_source -> clue_source + if key == '_source': + key = 'clue_source' + print(f"[AI服务] 部分JSON提取：修复字段名 '{original_key}' -> '{key}'") + else: + key = key[1:] + print(f"[AI服务] 部分JSON提取：处理下划线前缀 '{original_key}' -> '{key}'") + # 修复常见字段名错误 + if key == 'target_organisation': + key = 'target_organization' + print(f"[AI服务] 部分JSON提取：修复拼写错误 'target_organisation' -> 'target_organization'") # 尝试解析值 if value_str.lower() in ('true', 'false'): result[key] = value_str.lower() == 'true' @@ -700,8 +718,17 @@ class AIService: # 处理以_开头的字段名 original_key = key if key.startswith('_') and len(key) > 1: - key = key[1:] - print(f"[AI服务] 部分JSON提取：处理下划线前缀 '{original_key}' -> '{key}'") + # 特殊处理：_source -> clue_source + if key == '_source': + key = 'clue_source' + print(f"[AI服务] 部分JSON提取：修复字段名 '{original_key}' -> '{key}'") + else: + key = key[1:] + print(f"[AI服务] 部分JSON提取：处理下划线前缀 '{original_key}' -> '{key}'") + # 修复常见字段名错误 + if key == 'target_organisation': + key = 'target_organization' + print(f"[AI服务] 部分JSON提取：修复拼写错误 'target_organisation' -> 'target_organization'") result[key] = value print(f"[AI服务] 部分JSON提取：提取字段 '{key}' = '{value}'") @@ -753,6 +780,11 @@ class AIService: json_str = re.sub(r'\\"([^"]+?)\\":', r'"\1":', json_str) # 再次处理，确保修复所有情况 json_str = re.sub(r'\\"([^"]+?)\\":', r'"\1":', json_str) # 第三次处理，确保修复嵌套转义 + # 2.1 修复字段名前后有转义字符和空格的情况（如 \\\" target_position \\\":） + json_str = re.sub(r'\\+["\']\s*([a-zA-Z_][a-zA-Z0-9_]*)\s*\\+["\']\s*:', r'"\1":', json_str) + json_str = re.sub(r'\\+["\']\s*([a-zA-Z_][a-zA-Z0-9_]*)\s*["\']\s*:', r'"\1":', json_str) + json_str = re.sub(r'["\']\s*([a-zA-Z_][a-zA-Z0-9_]*)\s*\\+["\']\s*:', r'"\1":', json_str) + # 3. 修复字段名缺少开头引号的问题（如 _professional_rank" -> "_professional_rank"） json_str = re.sub(r'([{,]\s*)([a-zA-Z_][a-zA-Z0-9_]*)"\s*:', r'\1"\2":', json_str) @@ -784,7 +816,35 @@ class AIService: # 只修复在冒号前的未加引号的标识符 json_str = re.sub(r'([{,]\s*)([a-zA-Z_][a-zA-Z0-9_]*)\s*:', r'\1"\2":', json_str) - # 11. 修复字符串值中的转义问题（但保留必要的转义） + # 11. 修复常见的字段名错误（基于日志中的实际错误） + # 11.1 修复 _source -> clue_source + json_str = re.sub(r'"_source"\s*:', '"clue_source":', json_str) + json_str = re.sub(r'"\\?_source"\s*:', '"clue_source":', json_str) + + # 11.2 修复 target_organisation -> target_organization + json_str = re.sub(r'"target_organisation"\s*:', '"target_organization":', json_str) + json_str = re.sub(r'"target_organisation"\s*:', '"target_organization":', json_str, flags=re.IGNORECASE) + + # 11.3 修复字段名中的下划线前缀错误（如 _professional_rank -> target_professional_rank） + # 注意：这里要小心，只在确认是字段名的情况下修复 + json_str = re.sub(r'"_([a-z_]+_rank)"\s*:', r'"target_\1":', json_str) + json_str = re.sub(r'"_([a-z_]+_status)"\s*:', r'"target_\1":', json_str) + + # 12. 修复值中的转义字符问题（如 \"total_manager, -> "总经理"） + # 但这里要小心，不要破坏合法的转义序列 + # 只修复明显错误的转义（如 \" 在值开头且后面跟着字母） + json_str = re.sub(r':\s*\\"([^"]+?),', r': "\1",', json_str) + + # 13. 修复不完整的JSON结尾（如 \"\n} -> ""\n}） + json_str = re.sub(r':\s*\\"\s*\n\s*}', ': ""\n}', json_str) + + # 14. 修复字段名中的多余转义（多次处理） + # 处理 \\\" -> " 的情况 + json_str = re.sub(r'\\+["\']', '"', json_str) + # 但保留字符串值中的合法转义（如 \n, \t 等） + # 这里需要更精细的处理，暂时先简单处理 + + # 15. 修复字符串值中的转义问题（但保留必要的转义） # 这里要小心，不要破坏合法的转义序列 return json_str @@ -854,6 +914,7 @@ class AIService: 'clueSource': 'clue_source', 'clue_source': 'clue_source', 'source': 'clue_source', # 添加 source -> clue_source 的映射（处理 _source 去掉下划线后的情况） + '_source': 'clue_source', # 修复 _source -> clue_source（处理下划线前缀错误） 'issueDescription': 'target_issue_description', 'issue_description': 'target_issue_description', 'description': 'target_issue_description', # description可能是问题描述 @@ -889,6 +950,12 @@ class AIService: 'targetsAge': 'target_age', 'targetIssueDescription': 'target_issue_description', 'targetsIssueDescription': 'target_issue_description', + # 添加基于日志错误的映射 + '_source': 'clue_source', # 修复 _source -> clue_source + '_professional_rank': 'target_professional_rank', # 修复 _professional_rank + '_status': 'target_political_status', # 修复 _status + 'target_organisation': 'target_organization', # 修复英式拼写 + 'targetOrganisation': 'target_organization', # 修复英式拼写（驼峰） } # 添加拼写错误映射（仅当字段编码存在时） for typo_key, code in typo_mapping.items(): diff --git a/修改说明.md b/修改说明.md new file mode 100644 index 0000000..e0eff1f --- /dev/null +++ b/修改说明.md @@ -0,0 +1,179 @@ +# AI服务错误修复说明 + +## 修改概述 + +基于错误分析报告，对AI服务进行了三项关键修复，以提高JSON生成的稳定性和准确性。 + +## 修改详情 + +### 1. 关闭思考模式 ✅ + +**文件**: `services/ai_service.py` +**位置**: 第254行 + +**修改前**: +```python +"enable_thinking": True +``` + +**修改后**: +```python +"enable_thinking": False # 关闭思考模式以提高JSON生成稳定性 +``` + +**原因**: +- 思考模式可能导致模型在生成JSON时出现不稳定 +- 从日志分析看，思考过程可能影响后续JSON生成的准确性 +- 关闭思考模式可以提高JSON格式的稳定性 + +### 2. 优化提示词 ✅ + +**文件**: `services/ai_service.py` +**位置**: 第237行 + +**修改前**: +```python +"content": "你是一个专业的数据提取助手。请仔细分析用户提供的输入文本，提取所有相关信息，并严格按照指定的JSON格式返回结果。\n\n重要要求：\n1. 必须仔细阅读输入文本的每一个字，不要遗漏任何信息\n2. 对于每个字段，请从多个角度思考：直接提及、同义词、隐含信息、可推断信息\n3. 如果文本中明确提到某个信息（如性别、年龄、职务、职级、线索来源等），必须提取出来，不能设为空\n4. 特别关注性别字段：如果文本中出现\"男\"、\"女\"、\"男性\"、\"女性\"、\"先生\"、\"女士\"等任何表示性别的词汇，必须提取并转换为\"男\"或\"女\"\n5. 如果可以通过已有信息合理推断（如根据出生年月推算年龄，从单位及职务中拆分单位和职务），请进行推断并填写\n6. 只返回JSON对象，不要包含任何其他文字说明、思考过程或markdown代码块标记\n7. 字段名必须严格按照JSON示例中的字段编码，不能使用下划线前缀（如不能使用\"_professional_rank\"，应使用\"target_professional_rank\"；不能使用\"_source\"，应使用\"clue_source\"）" +``` + +**修改后**: +```python +"content": "你是一个专业的数据提取助手。请从输入文本中提取结构化信息，并严格按照JSON格式返回结果。\n\n核心要求：\n1. 仔细阅读输入文本，提取所有相关信息\n2. 如果文本中明确提到信息（如性别、年龄、职务、职级等），必须提取，不能设为空\n3. 性别字段：识别\"男\"、\"女\"、\"男性\"、\"女性\"等词汇，统一转换为\"男\"或\"女\"\n4. 只返回JSON对象，不要包含任何其他文字、思考过程或markdown标记\n5. 字段名必须严格按照示例格式，使用正确的字段编码：\n - 使用\"target_professional_rank\"，不要使用\"_professional_rank\"\n - 使用\"clue_source\"，不要使用\"_source\"或\"source\"\n - 使用\"target_organization\"，不要使用\"target_organisation\"\n6. JSON格式必须完整且有效，所有字段名使用双引号" +``` + +**改进点**: +- 简化了提示词，使其更清晰、更直接 +- 明确列出了常见的字段名错误，帮助模型避免这些错误 +- 强调了JSON格式的完整性要求 +- 减少了冗余说明，提高可读性 + +### 3. 增强JSON修复机制 ✅ + +#### 3.1 增强 `_fix_json_string` 方法 + +**文件**: `services/ai_service.py` +**位置**: 第730-790行 + +**新增修复规则**: + +1. **修复字段名前后的转义字符和空格** + ```python + # 修复 \\\" target_position \\\": 这种情况 + json_str = re.sub(r'\\+["\']\s*([a-zA-Z_][a-zA-Z0-9_]*)\s*\\+["\']\s*:', r'"\1":', json_str) + ``` + +2. **修复常见字段名错误** + ```python + # 修复 _source -> clue_source + json_str = re.sub(r'"_source"\s*:', '"clue_source":', json_str) + + # 修复 target_organisation -> target_organization + json_str = re.sub(r'"target_organisation"\s*:', '"target_organization":', json_str) + ``` + +3. **修复字段名中的下划线前缀错误** + ```python + # 修复 _professional_rank -> target_professional_rank + json_str = re.sub(r'"_([a-z_]+_rank)"\s*:', r'"target_\1":', json_str) + ``` + +4. **修复值中的转义字符问题** + ```python + # 修复 \"total_manager, -> "总经理", + json_str = re.sub(r':\s*\\"([^"]+?),', r': "\1",', json_str) + ``` + +5. **修复不完整的JSON结尾** + ```python + # 修复 \"\n} -> ""\n} + json_str = re.sub(r':\s*\\"\s*\n\s*}', ': ""\n}', json_str) + ``` + +#### 3.2 增强字段名规范化映射 + +**文件**: `services/ai_service.py` +**位置**: 第900-930行 + +**新增映射**: +```python +typo_mapping = { + # ... 原有映射 ... + # 新增基于日志错误的映射 + '_source': 'clue_source', # 修复 _source -> clue_source + '_professional_rank': 'target_professional_rank', # 修复 _professional_rank + '_status': 'target_political_status', # 修复 _status + 'target_organisation': 'target_organization', # 修复英式拼写 + 'targetOrganisation': 'target_organization', # 修复英式拼写（驼峰） +} +``` + +#### 3.3 增强部分JSON提取 + +**文件**: `services/ai_service.py` +**位置**: 第650-706行 + +**改进点**: +- 在三个提取模式中都增加了对 `_source` -> `clue_source` 的特殊处理 +- 增加了对 `target_organisation` -> `target_organization` 的拼写错误修复 +- 改进了字段名清理逻辑，更好地处理转义字符 + +## 预期效果 + +1. **提高JSON生成稳定性** + - 关闭思考模式后，模型生成JSON时更加稳定 + - 减少了格式错误的可能性 + +2. **提高字段名准确性** + - 优化后的提示词明确列出了常见错误，帮助模型避免这些错误 + - 增强了字段名规范化映射，即使出现错误也能自动修复 + +3. **增强容错能力** + - 多层JSON修复机制可以处理各种格式错误 + - 即使模型返回了格式错误的JSON，也能通过修复机制恢复 + +## 测试建议 + +1. **功能测试** + - 使用相同的输入数据测试修复后的代码 + - 验证JSON生成是否稳定 + - 检查字段名是否正确 + +2. **错误处理测试** + - 模拟各种JSON格式错误 + - 验证修复机制是否能正确处理这些错误 + +3. **性能测试** + - 对比修复前后的响应时间 + - 验证关闭思考模式后的性能提升 + +## 回滚方案 + +如果修复后出现问题，可以通过以下方式回滚： + +1. **恢复思考模式**: + ```python + "enable_thinking": True + ``` + +2. **恢复原提示词**: 使用git恢复原始system prompt + +3. **禁用新增的修复规则**: 注释掉新增的JSON修复代码 + +## 注意事项 + +1. 关闭思考模式可能会影响模型的推理能力，但可以提高JSON生成的稳定性 +2. 如果必须使用思考模式，可以考虑调整相关参数（如限制思考过程的token数量） +3. JSON修复机制是容错措施，最佳实践是让模型生成正确的JSON，而不是依赖修复 + +## 后续优化建议 + +1. 如果问题持续存在，可以考虑： + - 进一步优化提示词 + - 调整temperature等参数 + - 联系模型服务提供商寻求支持 + +2. 监控和日志： + - 记录修复前后的错误率 + - 分析仍然存在的错误模式 + - 持续优化修复机制 + diff --git a/错误分析报告.md b/错误分析报告.md new file mode 100644 index 0000000..e2d91e9 --- /dev/null +++ b/错误分析报告.md @@ -0,0 +1,179 @@ +# AI服务错误分析报告 + +## 问题描述 + +在API响应过程中，模型返回了错误消息："抱歉，我似乎遇到了困难。在尝试生成响应时出现了一些错误。如果您能重新提交请求，我将尽力提供更好的帮助。" + +## 日志分析 + +### 1. Token使用情况 +- **max_tokens**: 12000 +- **completion_tokens**: 597 +- **total_tokens**: 3947 +- **结论**: ❌ **不是max_tokens参数的问题**。实际使用的token数量远小于限制，不存在token截断问题。 + +### 2. 响应内容分析 + +从日志中可以看到，模型返回的JSON存在严重格式错误： + +#### 错误1: 字段名错误和转义字符问题 +```json +"_source\\\": \\\"\\\" +``` +- 应该是: `"clue_source": ""` +- 问题: 字段名错误（`_source` 而不是 `clue_source`），且存在转义字符问题 + +#### 错误2: 字段名格式错误 +```json +\\\" target_position \\\": +``` +- 应该是: `"target_position":` +- 问题: 字段名前后有转义字符和空格 + +#### 错误3: 值格式错误 +```json +\"total_manager, +``` +- 应该是: `"总经理"` +- 问题: 值不完整，且格式错误 + +#### 错误4: 字段名拼写错误 +```json +\" target_organisation \": \"\n} +``` +- 应该是: `"target_organization": ""` +- 问题: 字段名拼写错误（`organisation` 而不是 `organization`），且格式不完整 + +#### 错误5: 关键字段缺失 +- `target_gender`: 应该是 `"男"`，但返回为空字符串 +- `target_professional_rank`: 应该是 `"正处级"`，但返回为空字符串 + +### 3. 思考模式影响 + +从响应内容可以看到： +- 模型在生成JSON之前有一段思考过程（被``标签包裹） +- 思考过程可能消耗了部分token，但更重要的是，**思考模式可能导致模型在生成JSON时出现不稳定** + +## 根本原因分析 + +### 主要原因（按可能性排序） + +1. **思考模式（enable_thinking）导致生成不稳定** ⭐⭐⭐⭐⭐ + - DeepSeek-R1模型在开启思考模式时，可能会在生成过程中遇到内部错误 + - 思考过程可能影响后续JSON生成的准确性 + - 建议：考虑关闭思考模式或调整相关参数 + +2. **提示词过于复杂** ⭐⭐⭐⭐ + - 提示词包含大量详细要求和示例 + - 模型在处理复杂提示词时可能出现格式错误 + - 建议：简化提示词，明确JSON格式要求 + +3. **模型内部错误** ⭐⭐⭐ + - 模型在生成过程中遇到内部错误，导致JSON生成中断 + - 最终输出了错误消息而非完整JSON + - 建议：增加重试机制和错误处理 + +4. **JSON修复机制不够完善** ⭐⭐ + - 虽然代码中有JSON修复逻辑，但对于这种严重格式错误可能无法完全修复 + - 建议：增强JSON修复机制，特别是处理转义字符和字段名错误 + +## 解决方案建议 + +### 方案1: 调整思考模式参数（推荐） + +```python +# 在 services/ai_service.py 中 +payload = { + # ... 其他参数 ... + "enable_thinking": False, # 暂时关闭思考模式 + # 或者 + "enable_thinking": True, + "thinking_config": { + "max_thinking_tokens": 1000, # 限制思考过程的token数量 + } +} +``` + +### 方案2: 优化提示词 + +简化system prompt，明确JSON格式要求： + +```python +system_content = """你是一个专业的数据提取助手。请严格按照JSON格式返回结果。 + +重要要求： +1. 只返回JSON对象，不要包含任何其他文字说明 +2. 字段名必须严格按照示例格式 +3. 如果信息不存在，使用空字符串"" + +JSON格式示例： +{ + "target_name": "张三", + "target_gender": "男", + "target_professional_rank": "正处级", + "clue_source": "群众举报" +} +""" +``` + +### 方案3: 增强JSON修复机制 + +在 `_fix_json_string` 方法中增加对以下错误的处理： +- 修复 `_source` -> `clue_source` 的字段名映射 +- 修复 `target_organisation` -> `target_organization` 的拼写错误 +- 处理转义字符问题（`\\\"` -> `"`） +- 处理字段名前后的空格和转义字符 + +### 方案4: 增加重试机制 + +代码中已有重试机制，但可以针对JSON解析失败的情况增加专门的重试逻辑： + +```python +# 如果JSON解析失败，且错误消息包含"抱歉"，则重试 +if "抱歉" in content or "遇到困难" in content: + print("[AI服务] 检测到模型错误消息，将重试...") + # 重试逻辑 +``` + +### 方案5: 降低temperature参数 + +当前temperature为0.2，已经较低。可以进一步降低以提高确定性： + +```python +"temperature": 0.1, # 进一步降低，提高确定性 +``` + +## 立即行动建议 + +1. **短期（立即）**： + - 暂时关闭思考模式（`enable_thinking: False`）进行测试 + - 如果问题解决，说明是思考模式导致的问题 + +2. **中期（1-2天）**： + - 优化提示词，简化要求 + - 增强JSON修复机制，处理常见错误 + +3. **长期（1周内）**： + - 如果必须使用思考模式，考虑调整相关参数 + - 增加更完善的错误处理和重试机制 + +## 测试建议 + +1. 使用相同的输入数据，分别测试： + - `enable_thinking: True` vs `False` + - 不同的 `temperature` 值（0.1, 0.2, 0.3） + - 不同的 `max_tokens` 值（8000, 12000, 16000） + +2. 记录每次测试的结果，找出最佳参数组合 + +3. 如果问题持续存在，考虑联系模型服务提供商（华为）寻求支持 + +## 总结 + +**核心结论**：问题**不是max_tokens参数导致的**，而是**思考模式（enable_thinking）可能导致模型生成不稳定**，从而产生格式错误的JSON。 + +**建议优先级**： +1. 🔴 **高优先级**：暂时关闭思考模式进行测试 +2. 🟡 **中优先级**：优化提示词，增强JSON修复机制 +3. 🟢 **低优先级**：调整其他参数，联系服务提供商 +