知识点思维导图
21 个知识节点
大模型基础（10） - 从能力选型到可靠调用：模型能力、消息协议与 API 稳定性
读完后，你应能完成以下任务：
- 绘制“大模型基础（08） - 从能力选型到可靠调用：模型能力、消息协议与 API 稳定性 / 先按输出契约选择能力”的关键对象与数据流，解释“把模型建议误当成已执行结果，是常见的业务一致性漏洞。”，并用源码位置、日志或 Trace 标注证据。
- 为“大模型基础（08） - 从能力选型到可靠调用：模型能力、消息协议与 API 稳定性 / 消息不是同一权限级别”设计正常与异常输入，验证“System 放稳定规则和拒绝边界，”，输出首个偏差位置与回归测试结果。
- 实现“大模型基础（08） - 从能力选型到可靠调用：模型能力、消息协议与 API 稳定性 / 稳定调用策略”的最小代码或配置，检验“为连接、首 Token、总响应分别设置超时，用户取消后向下游传播取消信号。 -> 只重试限流、临时网络和服务端错误； -> 指数退避必须加入随机抖动，并设置最大次数与总时间预算。 -> 写操作使用幂等键或执行记录，避免响应丢失后重试造成重复副作用。”，输出命令、结果与 Diff，并说明不适用边界。
模型 API 不是“传入字符串、返回字符串”。生产调用必须同时管理消息权限、输出形态、采样参数、失败语义和可观测数据。
核心知识清单
- 问答、摘要、分类、抽取与多模态能力边界
- System、User、Assistant 与 Tool 消息协议
- 文本、结构化输出与工具调用请求
- temperature、top_p、stop 与输出预算
- 非流式、流式、批处理与异步调用
- 超时、限流、内容过滤与指数退避
- API Key、日志脱敏与数据驻留
一、先建立全局：从能力选型到可靠调用：模型能力、消息协议与 API 稳定性 是什么？
理解“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”，先要把标题中的对象放进同一条处理链：它接收什么输入，经过哪些状态变化，最终用什么证据判断结果。下表不另造概念，只把作者正文已经解释的章节按依赖顺序连起来。
“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”的第一个核心判断是：把模型建议误当成已执行结果，是常见的业务一致性漏洞。。先弄清这个判断中的对象和输入输出，后面的实现、故障和验收才有共同语境。
| 顺序 | 章节 | 读完本节应抓住的结论 |
|---|---|---|
| 1 | 先按输出契约选择能力 | 把模型建议误当成已执行结果，是常见的业务一致性漏洞。 |
| 2 | 消息不是同一权限级别 | System 放稳定规则和拒绝边界， |
| 3 | 稳定调用策略 | 为连接、首 Token、总响应分别设置超时，用户取消后向下游传播取消信号。 -> 只重试限流、临时网络和服务端错误； -> 指数退避必须加入随机抖动，并设置最大次数与总时间预算。 -> 写操作使用幂等键或执行记录，避免响应丢失后重试造成重复副作用。 |
| 4 | 采样参数怎么定 | 创意生成可以提高随机性，但必须用评测确认收益。 |
| 5 | 问答、摘要、分类、抽取与多模态能力边界 | | 问答、摘要 | 文本 + 引用 | 证据是否支持结论 | |
| 6 | System、User、Assistant 与 Tool 消息协议 | System 放稳定规则和拒绝边界， |
1.1 核心对象之间怎样衔接
flowchart LR
S1["先按输出契约选择能力"] --> S2
S2["消息不是同一权限级别"] --> S3
S3["稳定调用策略"] --> S4
S4["采样参数怎么定"] --> S5
S5["问答、摘要、分类、抽取与多模态能力边界"]
这张图只表达本文的讲解顺序，不替代正文机制。判断“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”是否真正掌握，需要能从最后一个结果沿图回到前面每个章节的输入、状态变化和证据。
1.2 再看失败：问题最早会出现在哪一步？
在“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”的对象和顺序已经明确后，再看可观察的失败：模型或 tokenizer 不匹配、静默截断、错误无限重试、流式半成品被提交。定位时不从最后一条错误猜原因，而是沿上图找第一个偏离正文结论的节点。
二、先按输出契约选择能力
| 任务 | 首选输出 | 程序必须验证 |
|---|---|---|
| 问答、摘要 | 文本 + 引用 | 证据是否支持结论 |
| 分类、抽取 | JSON Schema | 类型、枚举、范围和必填字段 |
| 查询或写操作 | Tool Call | 身份、权限、参数和副作用确认 |
| 图片、音频理解 | 多模态消息 | 文件类型、大小、隐私和识别置信度 |
Embedding 模型只生成向量，不直接回答问题； 聊天模型可以提出工具调用，但真实数据库查询、发信和文件修改仍由应用执行。 把模型建议误当成已执行结果，是常见的业务一致性漏洞。
三、消息不是同一权限级别
System 放稳定规则和拒绝边界， User 保存当前请求， Assistant 保存模型输出， Tool 保存程序执行结果。 历史消息、检索文档和 Tool Result 都可能包含不可信文本，不能覆盖系统规则。 生产系统还应给每条外部内容标记来源、时间和可信级别。
flowchart LR
A["System 规则"] --> E["上下文装配器"]
B["User 请求"] --> E
C["检索证据"] --> E
D["历史消息"] --> E
E --> F["模型调用"]
F --> G{"输出类型"}
G -->|文本| H["引用与事实校验"]
G -->|JSON| I["Schema 与业务校验"]
G -->|Tool Call| J["授权、确认与执行"]
四、稳定调用策略
- 为连接、首 Token、总响应分别设置超时，用户取消后向下游传播取消信号。
- 只重试限流、临时网络和服务端错误；认证失败、内容过滤、非法参数不能盲目重试。
- 指数退避必须加入随机抖动，并设置最大次数与总时间预算。
- 写操作使用幂等键或执行记录，避免响应丢失后重试造成重复副作用。
- Trace 记录模型版本、Prompt 版本、输入输出 Token、TTFT、总延迟和标准化错误类型；日志不保存密钥和未经脱敏的敏感正文。
五、采样参数怎么定
抽取、分类和工具参数生成更看重稳定性，应使用低随机性并依赖 Schema；
创意生成可以提高随机性，但必须用评测确认收益。
temperature 和 top_p 都会改变采样分布，通常固定一个、调整另一个。
stop 适合协议边界，但不能替代完整 JSON 校验。
六、动手验证：先跑通 从能力选型到可靠调用：模型能力、消息协议与 API 稳定性，再改变一个变量
前面的章节已经建立问题、概念和机制。现在把“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”放进同一套基线中运行；本节不再引入新术语，只验证前文结论能否被复现。
6.1 基线与候选只允许一个变量不同
验证“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”时，先固定模型、Tokenizer、消息序列、输入输出 Token 预算、参数和错误样本。候选方案只能改变本次要验证的变量；如果同时更换数据、依赖和配置，即使结果改善，也不能知道是哪一项产生作用。
执行“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”时，动作是：记录请求到流式完成的各阶段，比较正常、超限、认证失败、限流和中断路径。原始结果不能只保留截图或汇总分数，必须同步保存：最终消息、Token 统计、模型标识、状态码、结束原因、TTFT、TPOT 和原始响应，使下一次复查可以在同一输入上重放。
| 实验要素 | 本文要求 |
|---|---|
| 固定条件 | 固定模型、Tokenizer、消息序列、输入输出 Token 预算、参数和错误样本 |
| 唯一变量 | 本次候选方案与基线之间的一项明确差异 |
| 原始证据 | 最终消息、Token 统计、模型标识、状态码、结束原因、TTFT、TPOT 和原始响应 |
| 通过阈值 | 输入输出符合接口与上下文预算，异常可分类，密钥不落日志且中断不冒充成功 |
| 立即停止 | 模型或 tokenizer 不匹配、静默截断、错误无限重试、流式半成品被提交 |
6.2 执行前先排除不可比较条件
“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”开始前先确认下面四项；任一项不成立，都应先修复实验条件，而不是解释结果。
- 基线能够在“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”的当前环境重复运行。
- 候选只改变一个与“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”结论直接相关的条件。
- “从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”的基线和候选使用同一批输入、同一版本依赖与同一通过阈值。
- “从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”的原始输出和失败现场不会被重试、格式化或汇总覆盖。
6.3 执行后先核对证据完整性
结果出来后先检查证据，再讨论“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”是否通过。缺少中间状态时，最终输出只能说明现象，不能证明机制。
| 检查项 | 当前文章的判定 |
|---|---|
| 输入可追溯 | 固定模型、Tokenizer、消息序列、输入输出 Token 预算、参数和错误样本 |
| 过程可回放 | 记录请求到流式完成的各阶段，比较正常、超限、认证失败、限流和中断路径 |
| 结果可审计 | 最终消息、Token 统计、模型标识、状态码、结束原因、TTFT、TPOT 和原始响应 |
“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”的一次合格基线对照按以下顺序执行：
- 保存“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”基线版本及输入摘要，确认基线本身可以重复运行。
- 写下“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”候选方案唯一变化的变量，以及它预期影响的指标。
- 在同一环境执行“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”：记录请求到流式完成的各阶段，比较正常、超限、认证失败、限流和中断路径。
- 为“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”保存：最终消息、Token 统计、模型标识、状态码、结束原因、TTFT、TPOT 和原始响应。
- 使用“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”预登记条件判断：输入输出符合接口与上下文预算，异常可分类，密钥不落日志且中断不冒充成功。
- 如果“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”未通过，不修改第二个变量，先恢复基线并保留失败现场。
七、用一张矩阵验证 从能力选型到可靠调用：模型能力、消息协议与 API 稳定性 的关键结论
矩阵按正文顺序列出“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”的结论。一次实验只选择一行，只改变这一行对应的条件；不要把多行合并成一个无法归因的大实验。
| 正文章节 | 已解释的结论 | 本轮唯一变量 | 必须保存的证据 |
|---|---|---|---|
| 先按输出契约选择能力 | 把模型建议误当成已执行结果，是常见的业务一致性漏洞。 | 只改变与“先按输出契约选择能力”相关的条件 | 最终消息、Token 统计、模型标识、状态码、结束原因、TTFT、TPOT 和原始响应 |
| 消息不是同一权限级别 | System 放稳定规则和拒绝边界， | 只改变与“消息不是同一权限级别”相关的条件 | 最终消息、Token 统计、模型标识、状态码、结束原因、TTFT、TPOT 和原始响应 |
| 稳定调用策略 | 为连接、首 Token、总响应分别设置超时，用户取消后向下游传播取消信号。 -> 只重试限流、临时网络和服务端错误； -> 指数退避必须加入随机抖动，并设置最大次数与总时间预算。 -> 写操作使用幂等键或执行记录，避免响应丢失后重试造成重复副作用。 | 只改变与“稳定调用策略”相关的条件 | 最终消息、Token 统计、模型标识、状态码、结束原因、TTFT、TPOT 和原始响应 |
| 采样参数怎么定 | 创意生成可以提高随机性，但必须用评测确认收益。 | 只改变与“采样参数怎么定”相关的条件 | 最终消息、Token 统计、模型标识、状态码、结束原因、TTFT、TPOT 和原始响应 |
| 问答、摘要、分类、抽取与多模态能力边界 | | 问答、摘要 | 文本 + 引用 | 证据是否支持结论 | | 只改变与“问答、摘要、分类、抽取与多模态能力边界”相关的条件 | 最终消息、Token 统计、模型标识、状态码、结束原因、TTFT、TPOT 和原始响应 |
| System、User、Assistant 与 Tool 消息协议 | System 放稳定规则和拒绝边界， | 只改变与“System、User、Assistant 与 Tool 消息协议”相关的条件 | 最终消息、Token 统计、模型标识、状态码、结束原因、TTFT、TPOT 和原始响应 |
7.1 记录本次实际实验
下面的记录用于“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”当前这一次实验，不是第二套知识目录。先从矩阵选择一个章节，再填写实际值；没有填写的字段表示尚未验证。
topic: "从能力选型到可靠调用：模型能力、消息协议与 API 稳定性"
selected_chapter: required
claim_from_article: required
baseline_version: required
changed_condition: exactly_one
execution: "记录请求到流式完成的各阶段，比较正常、超限、认证失败、限流和中断路径"
evidence: "最终消息、Token 统计、模型标识、状态码、结束原因、TTFT、TPOT 和原始响应"
pass_when: "输入输出符合接口与上下文预算，异常可分类，密钥不落日志且中断不冒充成功"
stop_when: "模型或 tokenizer 不匹配、静默截断、错误无限重试、流式半成品被提交"
observed_result: required
first_deviation: null_or_evidence
recovery_replay: required_after_failure
7.2 边界实验必须证明能够停止和恢复
成功路径只能证明“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”在当前样本上工作，不能证明它可以进入生产。边界实验需要主动制造：模型或 tokenizer 不匹配、静默截断、错误无限重试、流式半成品被提交，并观察系统是否在产生不可逆副作用前停止。
| 场景 | 只改变什么 | 应保存什么 | 通过标准 |
|---|---|---|---|
| 正常路径 | 使用已知有效输入 | 最终消息、Token 统计、模型标识、状态码、结束原因、TTFT、TPOT 和原始响应 | 输入输出符合接口与上下文预算，异常可分类，密钥不落日志且中断不冒充成功 |
| 边界路径 | 把一个输入推进到约束临界值 | 临界值前后的输出与指标 | 不静默降级，不把部分结果冒充成功 |
| 明确失败 | 注入：模型或 tokenizer 不匹配、静默截断、错误无限重试、流式半成品被提交 | 原始错误、首个异常阶段和最终状态 | 失败被正确分类且没有扩大副作用 |
| 恢复重放 | 执行：按客户端、网关、应用、模型服务和解析边界定位首个偏差并保留原错误 | 原失败样本的复测证据 | 原样本恢复，正常样本没有回归 |
恢复动作不是简单重启。对于“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”，第一步是：按客户端、网关、应用、模型服务和解析边界定位首个偏差并保留原错误。完成后使用原始失败样本复测；只验证一个新样本成功，不能证明触发条件已经消失。
“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”边界实验结束后，应把正常、临界、失败和恢复四类记录放在同一个运行批次中。这样才能区分“候选方案真的修复问题”和“环境变化让问题暂时没有出现”。
八、从能力选型到可靠调用：模型能力、消息协议与 API 稳定性 的结果解释
解释“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”实验时先看首个偏差，而不是最后一条错误。最后的异常通常只是上游状态错误的结果；从末端反推容易误把症状当根因。
| 观察结果 | 可以支持的判断 | 下一步 |
|---|---|---|
| 主链路没有达到预期 | 模型或 tokenizer 不匹配、静默截断、错误无限重试、流式半成品被提交 | 先执行：按客户端、网关、应用、模型服务和解析边界定位首个偏差并保留原错误 |
| 异常链路无法恢复 | 模型或 tokenizer 不匹配、静默截断、错误无限重试、流式半成品被提交 | 先执行：按客户端、网关、应用、模型服务和解析边界定位首个偏差并保留原错误 |
| 新样本成功但原样本仍失败 | 修复没有覆盖原始触发条件 | 固定原失败输入，恢复基线后重新比较 |
| 指标改善但证据无法回链 | 数据、版本或中间状态没有固定 | 暂停发布，补齐可追溯记录后重跑 |
“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”只有同时满足“输入输出符合接口与上下文预算，异常可分类，密钥不落日志且中断不冒充成功”，并且没有出现“模型或 tokenizer 不匹配、静默截断、错误无限重试、流式半成品被提交”，才可以认为主链路通过。这里的“通过”只对当前固定版本、样本和环境有效，不能外推到尚未测试的容量、权限或数据分布。
如果“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”候选方案与基线差异很小，先检查证据分辨率是否足够；如果差异很大，先排除数据泄漏、环境漂移和版本不一致。两种情况都不能只看一个汇总均值，需要回到逐样本输出和中间状态。
“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”故障定位完成后，记录“现象、首个偏差、根因、改动、原样本复测”五项。缺少原样本复测时，只能标记为待观察，不能标记为已解决。
九、从能力选型到可靠调用：模型能力、消息协议与 API 稳定性 的发布判断
发布判断需要把“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”的质量、失败边界和恢复能力放在同一份记录中。以下任一条件缺失，都应停止扩量，而不是用“基本正常”替代证据。
- “从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”的基线与候选只存在一个计划内变量。
- “从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”的输入、代码、依赖、配置和数据版本可以追溯。
- “从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”的正常、临界、失败和恢复样本使用同一套断言。
- “从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”的原始输出、中间状态和失败现场已经保留。
- “从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”的日志、Trace、截图和测试数据已经脱敏。
- “从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”的停止条件、负责人和回滚入口已经演练。
- “从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”尚未覆盖的输入、权限、容量和外部依赖已经登记。
最终记录至少包含基线版本、唯一变量、原始证据、首个偏差、恢复复测和发布责任人。没有参与本次修改的人如果不能据此重放“从能力选型到可靠调用：模型能力、消息协议与 API 稳定性”的判断，就不能发布。
十、总结
- 先按输出契约选择能力：| 任务 | 首选输出 | 程序必须验证 |
- 消息不是同一权限级别：System 放稳定规则和拒绝边界，User 保存当前请求，Assistant 保存模型输出，Tool 保存程序执行结果。
- 稳定调用策略：为连接、首 Token、总响应分别设置超时，用户取消后向下游传播取消信号。 -> 只重试限流、临时网络和服务端错误； -> 指数退避必须加入随机抖动，并设置最大次数与总时间预算。 -> 写操作使用幂等键或执行记录，避免响应丢失后重试造成重复副作用。
- 采样参数怎么定：创意生成可以提高随机性，但必须用评测确认收益。
学完自测
选择所有正确答案；提交后逐项核对判断依据。