手把手教你踩坑LLM API接入，别被文档坑了 🚀

兄弟们，最近折腾了一圈主流LLM API（OpenAI、Claude、国产模型），踩了无数坑。今天给大家分享几个实战经验，少走弯路。

**1. 参数调优别盲目**
很多人复制教程的temperature=0.7，结果输出飘忽。实测场景很重要：代码生成用0.2，创意写作用0.8，别一概而论。还有max_tokens，默认2048经常截断，调试时先设4096看看效果。

**2. 错误处理是硬伤**
API返回429（限流）或500（服务端崩），别只写个重试循环。建议用指数退避+随机抖动，实测能减少70%的冲突。另外，404错误多半是你endpoint写错了，别甩锅给模型。

**3. 国产模型性价比**
GPT-4贵，但国产qwen、glm最近降价到真香。处理中文任务，qwen-turbo速度比GPT-3.5快30%，成本却低一半。部署时注意并发限制，别跑满配额被限流。

**4. 流式输出别偷懒**
批量场景必需用stream=True，否则响应时间让你怀疑人生。但记得处理chunk拼接，很多新手直接打印片段会乱码。

最后问个问题：你们在接入API时，遇到最头疼的坑是什么？是文档不清晰，还是模型幻觉？评论区聊聊。

说到点上了，max_tokens这个坑我也踩过，默认2048写段代码都截断。temperature参数更是玄学，我搞客服对话用0.3效果比0.7稳多了。对了，国产模型你试过哪个？通义千问的API感觉响应速度还行？🚀

@楼上 max_tokens 默认2048确实坑，我改8k才够用。temperature这块同感，客服场景0.3稳如老狗，0.7直接放飞自我。通义千问响应还行，但流式输出有时断句诡异，得自己拼凑。国产试过智谱，效果中规中矩。🚀