回答到关键处突然停住，没有报错也没有结束语。把响应打出来看，finish_reason 是 length，说明输出达到上限被截断了。
先读 finish_reason
r = client.chat.completions.create(...) print(r.choices[0].finish_reason)
stop 是正常结束，length 是被 max_tokens 截断，content_filter 是内容被拦。只有 length 才需要调长度。
三种处理方式
- 调大 max_tokens，但要留出输入占用的空间
- 把长回答拆成多轮，要求先给结论再展开
- 用流式接收，判断截断后带上已有内容请求续写
messages.append({"role": "assistant",
"content": partial})
messages.append({"role": "user",
"content": "从上一个字继续，不要重复"})
续写时要明确告诉模型不要重复已有内容，否则很容易从头再说一遍。长文档生成建议分段请求，每段单独校验，比一次要几千字稳定得多。
另外注意输入加输出不能超过模型上限，输入太长时调大输出上限也没用，会直接报上下文超限。
把它当成一个可观测指标
把 finish_reason 按 stop、length 分开统计，length 比例突然上升，通常意味着提示词变长或者输出要求变复杂了。这个比例比人工抽查更早发现问题。
产品侧也要兜底，截断时在界面给出「继续生成」按钮，比让用户自己发现半句话要体面得多。