火山引擎模型不支持分类后直接输出固定代码，需先调用模型做分类判断（如返回security/payment/user_profile），再由外部程序查表映射为预设代码（如0x1a2b），全程禁止模型生成代码。
☞☞☞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☜☜☜
确认火山引擎模型是否支持分类后固定代码输出
火山引擎方舟平台本身不提供“分类→自动映射固定代码”的原生功能，所有模型（包括 codingplan、doubao 系列）默认只输出自然语言或生成式文本。若需实现「输入内容经模型判断分类后，严格返回预设代码片段」，必须通过外部逻辑层控制——即：先调用模型做分类判断，再由你自己的程序根据分类结果查表返回对应代码。
这一步不能跳过。直接让模型“输出固定代码”会因温度（temperature）、top_p、stop 字符等参数扰动导致格式漂移，哪怕 prompt 写得再严，也会在 3%～8% 的请求中漏掉引号、多出空格、返回 JSON 外壳或加解释性文字。
配置分类判断 Prompt 并约束输出格式
在调用火山引擎模型前，构造强约束 prompt：
请严格按以下规则响应：仅输出一个单词，且必须是以下三者之一：SECURITY、PAYMENT、USER_PROFILE。不要加引号，不要换行，不要任何标点或解释。输入内容：【用户实际输入】
该 prompt 将模型输出锁定在枚举范围内，为后续代码映射打下确定性基础。注意：必须关闭流式响应（stream=false），否则首 token 可能提前触发映射逻辑而取到不完整分类词。
建立分类结果与固定代码的映射表
准备一个本地映射字典，例如 Python 中：
CLASS_CODE_MAP = {
"SECURITY": "0x1A2B",
"PAYMENT": "0x3C4D",
"USER_PROFILE": "0x5E6F"
}
这个表必须硬编码或从配置文件加载，不可由模型生成或动态修改。映射关系一旦上线，禁止在运行时热更新——否则会导致同一分类在不同请求中返回不同代码，破坏业务一致性。
【映射表必须与模型分类枚举值完全一致，大小写敏感，不可缩写】
完成端到端调用链：请求→分类→查表→返回
第一步：用火山引擎 API 发起同步请求，POST 到 https://ark.cn-beijing.volces.com/api/coding/v3/chat/completions
第二步：解析 response.json()["choices"][0]["message"]["content"]，提取纯文本结果（如 "PAYMENT"）
第三步：用该字符串作为 key 查 CLASS_CODE_MAP，获取对应十六进制代码（如 "0x3C4D"）
第四步：将查得的代码作为最终响应体返回给上游系统
整个链路中，模型只负责分类决策，不触碰任何业务代码；所有固定值输出均由你控制的查表逻辑完成。这一步做完后立即结束。
