调试大模型api需构造结构化提示词：强制开头插入含model/messages/max_tokens/temperature的json元数据；指令模型仅输出标准http响应体，含status_code/headers/body；硬性约束不解释、不补全、不猜测，并模拟429等失败路径；验证时用prettier和json.loads()确保响应可解析。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
调试ChatGPT类大模型API时，接口返回“success: true”但内容为空、或报错信息笼统如“invalid_request”，根本看不出是prompt格式错、token超限、还是system角色缺失——这时候需要让模型在提示词里主动暴露完整请求上下文和响应结构。
构造带结构化日志的提示词
第一步：在用户输入开头强制插入JSON格式的请求元数据块，字段必须包含model、messages（含role/content）、max_tokens、temperature。这一步不能省略，否则模型无法区分你是在提问还是在模拟调用场景。
第二步：明确指令模型“只输出标准HTTP响应体格式”，包括status_code、headers（至少含content-type）、body三部分，body中必须展开error.code和error.message（若出错），或data.choices[0].message.content（若成功）。
第三步：追加一句硬性约束：“不解释、不补全、不猜测，原始响应什么样就输出什么样；若实际调用会触发429，此处必须输出{"status_code":429,"body":{"error":{"code":"rate_limit_exceeded"}}}
让模型模拟真实失败路径
方法一：直接给一个必然失败的参数组合，比如把max_tokens设为-1，然后问“这个请求会返回什么”。模型会按你上一步定义的格式输出400错误详情，包括invalid_parameter这类具体code。
用于在用户想通过浏览器自动化与 Google Gemini 或 ChatGPT 交互时。触发短语包括“ask Gemini”“ask ChatGPT”“ask GPT”“让...”。
方法二：构造role顺序错误的messages，例如[{"role":"user","content":"hi"},{"role":"user","content":"again"}]——没有assistant也没有system。这时模型必须输出malformed_request错误，而不是自行修复顺序。
方法三：在messages里塞入超长字符串（比如5000个a），并设定max_tokens=1。模型需识别这是token溢出，并返回400 + error.code="context_length_exceeded"，【注意：很多提示词漏写error.code，导致联调时无法做switch分支处理】
验证响应是否可解析
第一步：复制模型输出的整个响应体（从{开始到}结束），粘贴进VS Code。
第二步：安装Prettier插件 → 右键选择“Format Document” → 观察是否报错。如果格式化失败，说明模型混入了中文标点、全角空格或隐藏换行符。
第三步：用Python执行json.loads()测试解析。若抛出JSONDecodeError，立刻回溯提示词里是否允许模型添加“温馨提示：”这类非JSON文本——【这是最常被忽略的破坏性干扰项】
