同一个问题问两遍结果差别不小，排查顺序建议从输入侧开始：先把两次调用送进去的东西原样落盘，逐字比对提示词、上下文条数、生成参数是否真的相同；输入确认相同却仍不一致，再单独只动上下文长度做阶梯对比，看差异是否随上下文变长而出现。只在对话界面里“再问一次”来对比，通常分不清是提示词没定型，还是长上下文带来的漂移，而这两种情况对应的处理动作并不一样。

判断方向是先把变量固定住，再判断差异的性质。建议把提示词全文、上下文条数、字符数、调用时间记进同一张表，把提示词与生成参数抽到配置文件后连续调用三次；再只改上下文长度，做一次全量历史与只带最近若干轮的阶梯对比。如果输入逐字相同仍有差异，那属于模型侧的非确定性，处理重点应转为统一复现口径和输出约束，而不是反复重写一版新提示词。

把两次回答的完整输入原样记录下来并逐字比对

这一步只解决一个问题：两次调用送进去的内容是不是真的相同。人在界面里重问，很容易在没察觉时改了标点、少贴一段材料，或者把上一轮回答又粘回了上下文。

建议按下面这张表记录，每次调用一行。提示词全文可以存成独立的 txt 文件，表里写文件名和首行摘要，避免长文本把表格撑坏；上下文条数和字符数从请求体或调用日志里取，不要凭印象填。

如果 A、B 两行的提示词文件内容、上下文条数、字符数三项都一致，可以先接受“输入相同”这个前提，进入下一步；任何一列对不上，就把它当作差异来源处理，而不是先怀疑模型。

把提示词和生成参数抽到配置文件后连续跑同一问题

排除手改输入造成的差异，做法是把提示词和生成参数从界面输入框里抽出来放进配置文件，程序只读配置，不读临时拼接的字符串。下面是一段通用骨架，字段名以你所调接口的实际文档为准，不同接口对采样参数、最大输出长度的叫法并不统一，不要照搬别人示例里的字段名。

# 通用调用骨架，字段名以实际接口文档为准
cfg = load_config('call_config.yaml')   # prompt_template / context_turns / generation_params

def run_once(cfg, question, history):
    payload = {
        'prompt': cfg.prompt_template,            # 提示词全文，程序不再手改
        'context': history[-cfg.context_turns:],  # 上下文条数由配置决定
        # 生成参数按接口文档字段名展开，不在这里临时改
        **cfg.generation_params,
    }
    log_request(payload)                          # 落盘：调用时间、上下文条数、字符数
    return call_api(payload)

for i in range(3):
    save(f'run_{i}.txt', run_once(cfg, QUESTION, HISTORY))

对应的配置片段可以这样写，替换项只有提示词正文和参数名：

# call_config.yaml 示例
prompt_template: |
  你是一名技术助手，只依据给定材料回答。
  输出字段：结论、依据、待确认项。
context_turns: 8        # 阶梯对比时只改这一行
generation_params:      # 具体参数名以接口文档为准
  ...

验证方式是同一问题连续调用三次，把三份输出逐条比对：先比事实字段，再比结构字段，最后才比措辞。三次的请求体也要一起留存，确认除可预期的随机性外，送进去的内容没有变化。

只改上下文长度、其余不动，做阶梯对比

如果配置文件版本下连续三次仍然不一致，下一步只改一个变量：上下文长度。同一问题准备两份输入，一份带全量历史，一份只带最近若干轮，其余配置一个字都不动，各跑一遍，并记录差异出现的位置——是开头结论就变了，还是中段引用材料出错，或者只是结尾补充说明不同。

差异出现的位置往往比差异数量更有用。如果错乱或前后矛盾只在长上下文那组出现，优先怀疑上下文里混进了过期材料、重复段落或相互冲突的指令；如果两组都在同一处出错，提示词或生成参数的可能性更大。

把差异归类成措辞漂移、事实变化、结构变化三类

分类是为了避免看到不一致就去改提示词。三类的判定线索和下一步动作并不相同。

写一条可接受的复现标准放进使用备注

给这类调用写一条使用备注，下次判断不一致时按同一口径执行，避免每次凭感觉决定要不要继续调提示词。可以这样写：

同一提示词全文、同一上下文条数、同一生成参数下，连续调用 3 次；
比较维度按“事实字段 → 结构字段 → 措辞”的顺序；
3 次中事实字段与结构字段一致、措辞差异属于可接受改写，记为稳定；
若事实或结构每次不同，先把上下文降到只带最近若干轮再跑一组；
仍不稳定时，在备注中标注为不确定输出，调用方按需增加校验或人工确认。

这条备注建议和应用配置放在一起，改动提示词或上下文策略时同步更新，否则下次再遇到不一致，又会回到“是提示词没固定还是上下文太长”的原点。