语言模型（LLM）使用说明手册

​
1. 模型核心能力

​
1.1 基础功能

文本生成：根据上下文生成连贯的自然语言文本，支持多种文体和风格。 语义理解：深入解析用户意图，支持多轮对话管理，确保对话的连贯性和准确性。 知识问答：覆盖广泛的知识领域，包括科学、技术、文化、历史等，提供准确的知识解答。 代码辅助：支持多种主流编程语言（如Python、Java、C++等）的代码生成、解释和调试。

​
1.2 进阶能力

长文本处理：支持4k至64k tokens的上下文窗口，适用于长篇文档生成和复杂对话场景。 指令跟随：精确理解复杂任务指令，如“用Markdown表格对比A/B方案”。 风格控制：通过系统提示词调整输出风格，支持学术、口语、诗歌等多种风格。 多模态支持：除了文本生成，还支持图像描述、语音转文字等多模态任务。

​
2. 接口调用规范

​
2.1 基础请求结构

您可以通过 openai sdk进行端到端接口请求

​
2.2 消息体结构说明

消息类型功能描述示例内容
system模型指令，设定AI角色，描述模型应一般如何行为和响应例如：“你是有10年经验的儿科医生”
user用户输入，将最终用户的消息传递给模型例如：“幼儿持续低烧应如何处理？“
assistant模型生成的历史回复，为模型提供示例，说明它应该如何回应当前请求例如：“建议先测量体温…”
你想让模型遵循分层指令时，消息角色可以帮助你获得更好的输出。但它们并不是确定性的，所以使用的最佳方式是尝试不同的方法，看看哪种方法能给你带来好的结果。

​
3. 模型系列选型指南

可以进入模型广场，根据左侧的筛选功能，筛选支持不同功能的语言模型，根据模型的介绍，了解模型具体的价格、模型参数大小、模型上下文支持的最大长度及模型价格等内容。 支持在playground进行体验（playground只进行模型体验，暂时没有历史记录功能，如果您想要保存历史的回话记录内容，请自己保存会话内容），想要了解更多使用方式，可以参考API文档

​
4. 核心参数详解

​
4.1 创造性控制

# 温度参数（0.0~2.0）   
temperature=0.5  # 平衡创造性与可靠性  

# 核采样（top_p）   
top_p=0.9  # 仅考虑概率累积90%的词集

​
4.2 输出限制

max_tokens=1000  # 单词请求最大生成长度  
stop=["\n##", "<|end|>"]  # 终止序列，在返回中遇到数组中对应的字符串，就会停止输出 
frequency_penalty=0.5  # 抑制重复用词（-2.0~2.0）  
stream=true # 控制输出是否是流式输出，对于一些输出内容比较多的模型，建议设置为流式，防止输出过长，导致输出超时

​
4.3 语言模型场景问题汇总

1. 模型输出乱码 目前看到部分模型在不设置参数的情况下，容易出现乱码，遇到上述情况，可以尝试设置temperature，top_k，top_p，frequency_penalty这些参数。 对应的 payload 修改为如下形式，不同语言酌情调整 
    payload = {
        "model": "Qwen/Qwen2.5-Math-72B-Instruct",
        "messages": [
            {
                "role": "user",
                "content": "1+1=?",
            }
        ],
        "max_tokens": 200,  # 按需添加
        "temperature": 0.7, # 按需添加
        "top_k": 50,        # 按需添加
        "top_p": 0.7,       # 按需添加
        "frequency_penalty": 0 # 按需添加
    }
2. 关于max_tokens说明 max_tokens 与上下文长度相等，由于部分模型推理服务尚在更新中，请不要在请求时将 max_tokens 设置为最大值（上下文长度），建议留出 10k 左右作为输入内容的空间。 3. 关于context_length说明 不同的LLM模型，context_length是有差别的，具体可以在模型广场上搜索对应的模型， 查看模型具体信息。 4. 模型输出截断问题 可以从以下几方面进行问题的排查：
  • 通过API请求时候，输出截断问题排查：
    • max_tokens设置：max_token设置到合适值，输出大于max_token的情况下，会被截断。
    • 设置流式输出请求：非流式请求时候，输出内容比较长的情况下，容易出现504超时。
    • 设置客户端超时时间：把客户端超时时间设置大一些，防止未输出完成，达到客户端超时时间被截断。
  • 通过第三方客户端请求，输出截断问题排查：
    • CherryStdio 默认的 max_tokens 是 4096，用户可以通过设置，打开“开启消息长度限制”的开关，将max_token设置到合适值
5. 错误码处理
错误码常见原因解决方案
400参数格式错误检查temperature等请求参数的取值范围
401API Key 没有正确设置检查API Key
403权限不够最常见的原因是该模型需要实名认证，其他情况参考报错信息
429请求频率超限实施指数退避重试机制
503/504模型过载切换备用模型节点

​
5. 计费与配额管理

​
5.1 计费公式

总费用 = (输入tokens × 输入单价) + (输出tokens × 输出单价)

​
5.2 各系列单价示例

模型的具体价格可以进入模型广场下的模型详情页查看。

​
6. 应用案例

​
6.1 技术文档生成

from openai import OpenAI
client = OpenAI(api_key="YOUR_KEY", base_url="https://api.siliconflow.cn/v1")
response = client.chat.completions.create(  
    model="Qwen/Qwen2.5-Coder-32B-Instruct",  
    messages=[{  
        "role": "user",  
        "content": "编写Python异步爬虫教程，包含代码示例和注意事项"  
    }],  
    temperature=0.7,  
    max_tokens=4096  
)

​
6.2 数据分析报告

from openai import OpenAI
client = OpenAI(api_key="YOUR_KEY", base_url="https://api.siliconflow.cn/v1")
response = client.chat.completions.create(  
    model="Qwen/QVQ-72B-Preview",  
    messages=[    
        {"role": "system", "content": "你是数据分析专家，用Markdown输出结果"},  
        {"role": "user", "content": "分析2023年新能源汽车销售数据趋势"}  
    ],  
    temperature=0.7,  
    max_tokens=4096  
)
模型能力持续更新中，建议定期访问模型广场获取最新信息。