LLM Output Is Inconsistent（LLM 输出不稳定）

知识库位置：FDE Knowledge Base/03 Engineering/Troubleshooting/LLM-Output-Is-Inconsistent.md

Problem（问题）

同样输入多次执行，输出格式或内容变化很大。

Symptoms（症状）

例如第一次：

{
  "priority": "high"（优先级：高）
}

第二次：

This looks urgent.（这看起来很紧急）

第三次：

Priority: Medium（优先级：中）

Possible Causes（可能原因）

Task Is Ambiguous（任务含糊）

Prompt（提示词）没有明确判断标准。

Output Format Is Not Enforced（输出格式未被强制）

只是说：

Return JSON.（返回 JSON）

但没有 Schema（结构定义）。

Too Much Creativity（自由度过高）

任务本身是 Classification（分类），却使用开放式生成方式。

Examples Are Inconsistent（示例彼此矛盾）

Few-shot Example（少样本示例）本身存在矛盾。

Input Contains Ambiguity（输入含糊）

上游数据不稳定。

Diagnostic Steps（诊断步骤）

固定：

Model（模型）
Prompt Version（提示词版本）
Input（输入）
Config（配置）

执行多次。

比较：

Classification Consistency（分类一致性）
Format Consistency（格式一致性）
Reasoning Difference（推理差异）

Fixes（修复）

Use Structured Output（使用结构化输出）

定义 Schema（结构定义）。

Clarify Decision Rules（明确判定规则）

不要只写：

Decide if urgent.（判断是否紧急）

应该明确：

Urgent if:（满足以下之一即为紧急：）
- production outage（生产中断）
- security incident（安全事件）
- payment failure（支付失败）

Use Enum（使用枚举）

例如：

LOW（低）
MEDIUM（中）
HIGH（高）

Validate Output（校验输出）

LLM（大语言模型）
↓
Schema Validation（结构校验）
↓
Business Validation（业务校验）

Prevention（预防）

所有 Production（生产）Prompt 都应该：

Versioned（有版本管理）
Evaluated（有评估）
Tested（有测试）
Monitored（有监控）