在 ChatGPT API 请求体 JSON 中直接添加 max_tokens 字段可限制输出长度，防止因生成内容过长导致截断或费用失控。该参数仅限制输出 Token 数，需结合输入 Token 估算确保不超过模型总上下文窗口，否则可能引发报错。
先说结论：设置 max_tokens 是控制输出长度的硬性手段，但必须预留输入 Token 空间。
- 适合：需要严格控制输出成本或防止响应超长的场景
- 先准备：使用 tiktoken 库预估输入消息的 Token 占用量
- 验收：检查返回数据中 usage.completion_tokens 是否稳定低于设定值
快速处理思路
在 POST 请求的 JSON Body 中与 messages 同级添加 max_tokens 键值对。确保数值小于模型上下文上限减去输入 Token 数，避免总长度超限。
为什么会这样
截断通常是因为模型生成达到上限或总 Token 超出上下文窗口。max_tokens 参数专门限制输出部分，不包含输入提示词。若输入过长占用过多窗口，剩余空间不足以生成完整回复，API 会强制停止生成。
分步处理
1、构造标准 POST 请求，目标 URL 为 https://api.openai.com/v1/chat/completions。
2、在请求体 JSON 中，于 messages 同级位置添加 max_tokens 字段，例如设值为 256。
3、使用 tiktoken 库对 messages 数组进行 Token 估算，从模型总上下文窗口中扣除输入占用量。
4、配合 temperature 设为 0.2 降低随机性，并设置 stop 序列提前终止生成，减少无效 Token 消耗。
怎么验证是否生效
发送请求后，检查 API 响应体中的 usage 对象。确认 completion_tokens 字段数值不超过设定的 max_tokens。若响应内容语义未完且 token 数已达上限，说明限制已生效。
常见坑
误以为 max_tokens 包含输入提示词，导致实际可用输出空间不足。未预留安全余量直接设满模型上限，可能因输入波动引发 400 错误。temperature 设为 0 时部分模型版本可能忽略 max_tokens 限制。
常见问题
max_tokens 包含输入提示词吗
不包含，该参数仅限制模型生成的响应内容 Token 数，输入提示词占用独立的上下文窗口空间。
设置过小会有什么后果
响应会被意外截断，导致语义不完整或代码缺失，需根据任务复杂度调整保守值。
如何避免总 Token 超限报错
在发起请求前用 tiktoken 精确计算输入 Token 数，动态调整 max_tokens 确保总和在模型窗口内。
参考来源
1. ChatGPT API 如何设置对话最大 Token 数限制_在请求体中配置 max_tokens 参数防止过度扣费（2026 年 1 月 24 日）
2. ChatGPT API 怎么限制最大长度_在请求中设置 max_tokens 参数（2026 年 1 月 9 日）
3. ChatGPT 显示不全问题解析：从 API 响应截断到完整内容获取的实战方案（2026 年 3 月 3 日）
4. ChatGPT 实战案例：从零构建智能客服系统的避坑指南（2026 年 2 月 22 日）