温度、top_p之外：真正影响输出稳定的三个设置
输出不稳定时，很多人的第一反应是去调温度。调低确实能减少随机性，但跑过几批任务会发现，同一套提示词今天和明天差得最多的地方，往往根本不是采样带来的。下面三个更该先检查。
一、输入长度与截断策略
材料太长被悄悄截断，是最隐蔽的一种不稳定：模型没变，它看到的内容变了。要确认三件事——什么时候截断、从哪一端截、截断有没有提示。没有提示的截断，等于每轮题目不同。
稳妥做法是先把长材料分段，按任务选需要的段，而不是把整包塞进去再祈祷不被截。分段方式后面另写一篇讲，这里只强调：先查截断，再调温度。
二、输出长度上限
上限设得太小，答案会被砍在半句，看起来像“格式乱了”；设得过大，又容易在结尾多出一段解释。这两类问题都常被误判成模型发挥不稳。给结构化输出时，按字段数量估一个略有余量的上限，比反复调采样参数有效。
三、停止条件与格式约束
有没有明确告诉它“到这里结束”、不允许代码块围栏、不允许前后客套话。缺了停止条件，模型会自然地补一句总结，解析就失败。把这类约束写成字段契约（字段清单、类型、缺失时怎么填），比一句“请严格遵守格式”稳得多。参数与默认值的核对方式，可以照 BackendWiki 把配置列成表的写法 来做；结构化内容本身该怎么组织，HTML 入门教程站讲的结构化数据实践 也提供了不错的参照。
一个排查顺序
遇到不稳定，我按这个顺序查：
- 输入是否被截断、每轮是否一致；
- 输出上限与停止条件是否合理；
- 字段契约是否写明缺失行为；
- 最后才动温度与 top_p。
前三项都是确定性的，改完就能验证；采样参数只能靠多跑几轮统计，成本高得多。
小结
“稳定”大部分是工程属性，不是玄学参数。把截断、上限、停止条件三处固定住，同一套提示词的表现通常就收敛了。剩下的那点波动，才轮到温度去管。