curl -s https://api.example.com/v1/chat -d '{"temperature":0,"seed":42}'
同一提示词连跑 5 次，5 个答案的字段名都不一样，结构化解析失败 2 次。先别急着动参数，把报错原文和时间点记下来，顺序反了容易白折腾。
原因不复杂，温度 0.9 让采样空间变大，输出用词和格式都随机。用在需要固定结构的抽取任务上，稳定性没法保证。
「温度参数不稳定」排查到最后往往是很小的一处差异，前面那些复杂猜测可以先放一放。改完隔一天再看一次，当场正常不代表能稳住。
测试环境和线上的差别，往往就在版本号和那几行被忽略的配置上。线上出问题先对时间点，跟发布、备份、任务执行的时刻排一排，能省掉一半功夫。
日志级别临时调高可以，记得改回去，长期开着既占磁盘又掩盖真问题。权限不要一口气开到最大，先加到够用再往上试，范围小才好收。
处理上按这个顺序：抽取类任务把 temperature 降到 0；配合 top_p 1 和固定 seed；输出用 json schema 约束；用 20 条样本跑一致性对比。
改完只确认一件事：同一输入 20 次输出结构一致 解析失败次数为 0。