千问AI API返回内容截断、JSON缺右括号等问题，本质是max_tokens参数设置不当；需先确认模型上下文总容量，精确计算输入token并预留余量，再按任务类型设定合理值，并确保其位于请求体顶层且为纯整数。

千问AI API返回内容被截断、JSON缺右括号、代码少闭合花括号，本质不是模型“说不完”，而是max_tokens参数没填对或填错位置。你得先确认用的是哪个模型、输入占了多少token、想让输出留多少空间，再动真格。

确认当前模型支持的上下文总容量

打开DashScope控制台 → 进入「用量与配额」→ 点击「配额详情」→ 找到你正在调用的模型（如qwen-plus、qwen-max-1201、qwen-longcontext），查看其标注的「最大上下文长度」。这个数字就是输入+输出的总上限，【max_tokens必须严格小于它】。比如qwen-plus标称32768，那max_tokens最高只能设32767，设成32768会直接返回400错误。

注意：qwen-longcontext虽支持超长上下文，但它的QPM（每分钟调用次数）仅5次，别拿它跑高频短问答。

计算输入prompt实际占用的token数

不能靠肉眼估字数。用官方tiktoken工具或dashscope内置tokenizer对你的完整prompt（含system、user、history所有消息）做精确核算。网页版可粘贴文本到OpenAI Tokenizer（兼容千问分词逻辑）粗略估算，但生产环境必须用dashscope SDK的tokenizer校验。

记得扣减系统指令固定开销（32–64 token）和历史轮次消耗（每轮约10–15 token）。例如你输入prompt经核算占1247 token，又带3轮对话历史（≈45 token），那留给输出的空间只剩：32768 − 1247 − 45 − 64 = 31412。此时max_tokens设31412是理论顶格，但【务必预留至少64 token余量】，否则模型可能在结尾强行截断，导致JSON不闭合或句子半截。

按任务类型设定max_tokens数值

方法一：客服对话类 设为512–1500。够覆盖多轮状态确认+一句解决方案，前端渲染不卡顿，用户一眼扫完。

方法二：技术文档摘要 设为2048–4096。能容纳原文关键句引用+逻辑链推导+三点结论，避免因截断丢失“因此”“综上”等承启词。

方法三：完整Python函数生成 设为3072–6144。尤其当要求含docstring、type hint、异常处理块时，低于3072极易缺try的except分支或少return语句。

方法四：小说章节续写或法律条款解析 启用8192以上，但必须同步将temperature设为0.7、top_p设为0.95，并确认后端模型支持该长度——qwen3.5-27B-pro需显式加请求头X-Qwen-Override-Hard-Limit: true。

在API请求体中正确填写max_tokens

第一步：确保max_tokens是JSON顶层键，不能嵌套在messages或system字段里。错误写法：{"messages": [{"role": "user", "content": "xxx"}, {"max_tokens": 1024}]} → 这个参数会被完全忽略。

第二步：值必须是纯整数，不带引号、不带小数点。错误示例："max_tokens": "1024" 或 "max_tokens": 1024.0 → API会报400参数类型错误。

第三步：如果同时设置了max_tokens和max_output_tokens，部分后端（如Vertex AI兼容层）会优先采用max_tokens并忽略后者。若你用的是支持max_output_tokens的平台（如Gemini系），则【务必删掉max_tokens字段，只留max_output_tokens】，避免冲突。

这一步操作起来很简单，直接把"max_tokens": 2048加进请求体最外层就行。