Q： 各参数的含义和推荐值是什么？
A： 核心参数说明：
Q： temperature 和 top_p 有什么区别？怎么设置？
A：
temperature：控制整体随机性。值越低，输出越确定、越保守；值越高，输出越多样、越有创造性。
top_p：核采样，只从概率累计达到 top_p 的候选词中采样。
一般 只调其中一个，另一个保持默认（1.0）。
推荐组合：
客服/FAQ：
temperature=0.1, top_p=1.0（稳定准确）内容创作：
temperature=0.8, top_p=0.95（丰富多样）代码生成：
temperature=0.2, top_p=1.0（精确可靠）
Q： 什么是 system prompt？怎么写好？
A： system prompt 是在对话开头设置的全局指令，用于定义模型的角色、行为规则和输出格式。
客服场景示例：
你是[公司名]的智能客服助手。请遵守以下规则：语气友好专业，使用"您"称呼客户回答简洁明了，不超过200字不确定的问题引导客户联系人工客服（电话：400-XXX-XXXX）不回答与[公司/产品]无关的问题不编造信息，不确定时如实告知优化建议：
控制在 500 Token 以内，过长会增加每次调用的输入 Token 成本
明确角色、边界、格式要求
用编号列出规则，比长段落效果更好
可加 2~3 条 few-shot 示例引导输出风格
Q： 什么是 enable_thinking（深度思考模式）？
A： 开启后模型会先进行内部推理（thinking），再输出最终回答，适合复杂逻辑、数学、代码等任务。
开启方式：请求参数中添加
"enable_thinking": truethinking 内容会在返回的
reasoning_content字段中⚠️ 注意：thinking 过程会消耗额外 Token，且增加延迟
简单对话/客服场景 不建议开启，会增加成本和延迟
Q： 怎么实现多轮对话？
A： 将历史消息按顺序传入 messages 数组即可：
messages = [ {"role": "system", "content": "你是客服助手"}, {"role": "user", "content": "怎么退款？"}, {"role": "assistant", "content": "退款流程如下..."}, {"role": "user", "content": "多久能到账？"} # 当前问题]💡 成本控制建议：历史对话过长时，建议做截断（只保留最近 N 轮）或摘要压缩，避免输入 Token 持续增长。