一、参数含义解析

1. stream - 流式传输控制

含义：控制API响应是否以流式传输（Streaming）方式返回。

作用：

• "stream": true - 流式输出：AI的回复会像打字机一样逐词/逐句实时显示
• "stream": false - 一次性输出：AI生成完整回复后一次性返回所有内容

应用场景：

{
  "model": "deepseek-v3.2",
  "stream": true,
  "messages": [...]
}

• 用户体验：用户能看到AI"思考"和"生成"的过程，感觉更自然
• 长文本生成：避免用户长时间等待，可以边生成边显示
• 节省时间：用户可以在AI生成中途就阅读已生成的部分

2. store - 对话存储控制

含义：控制本次对话是否被存储到对话历史中。

作用：

• "store": true - 存储对话：本次对话会被保存，可以在后续对话中通过context参数引用
• "store": false - 不存储对话：本次对话不会被保存，有隐私性或临时性需求时使用

应用场景：

{
  "model": "deepseek-v3.2",
  "store": false,
  "messages": [
    {"role": "user", "content": "帮我分析这个敏感数据..."}
  ]
}

• 隐私保护：处理敏感信息时，不希望被记录
• 临时会话：一次性查询，不需要上下文记忆
• 节省存储：减少不必要的对话历史占用空间

3. max_completion_tokens - 最大生成令牌数

含义：限制AI一次生成的最大令牌数（tokens）。

作用：

• 控制AI回复的长度上限
• 1个token ≈ 0.75个英文单词 ≈ 1-2个中文字符

应用场景：

{
  "model": "deepseek-v3.2",
  "max_completion_tokens": 1000,
  "messages": [...]
}

• 简短回复：需要简短回答时，设置较小的值（如100-300）
• 长文生成：需要详细回答时，设置较大的值（如2000-4000）
• 避免超支：防止AI生成过长的回复，消耗过多token和费用

二、在OpenClaw/Simple AI（我的小龙虾）中的实际应用

1. 典型配置示例

{
  "model": "deepseek-v3.2",
  "stream": true,            // 流式输出，用户体验更好
  "store": true,             // 存储对话，保持上下文记忆
  "max_completion_tokens": 2000,  // 限制回复长度，避免过长
  "messages": [
    {"role": "system", "content": "系统提示词..."},
    {"role": "user", "content": "用户问题..."}
  ]
}

2. 不同场景下的配置策略

场景A：常规助手对话

{
  "stream": true,      // 流式显示，更自然
  "store": true,       // 存储对话，保持记忆
  "max_completion_tokens": 1500  // 适中长度
}

场景B：隐私敏感查询

{
  "stream": false,     // 一次性输出，避免中间内容被截获风险
  "store": false,      // 不存储敏感对话
  "max_completion_tokens": 500   // 简短回答
}

场景C：长文档生成

{
  "stream": true,      // 流式输出，用户可边生成边看
  "store": true,       // 存储生成过程
  "max_completion_tokens": 4000  // 允许较长的回复
}

场景D：API集成调用

{
  "stream": false,     // 一次性获取完整结果
  "store": false,      // 不存储API调用记录
  "max_completion_tokens": 300   // 限制回复长度
}

三、技术细节解析

1. stream 的工作原理

普通模式：
用户请求 → AI完整生成 → 一次性返回 → 用户看到完整回复

流式模式：
用户请求 → AI开始生成 → 返回第一个token → 用户看到第一个词
               ↓
         继续生成 → 返回下一个token → 用户看到更多词
               ↓
         生成完成 → 返回结束标记 → 显示完成

技术实现：

• 使用 Server-Sent Events (SSE) 或 WebSocket
• 每个"chunk"包含部分生成的文本
• 前端需要特殊处理来显示流式内容

2. store 的存储机制

// 伪代码：存储逻辑
if (store === true) {
  // 将对话存入数据库
  db.saveConversation({
    sessionId: "当前会话ID",
    messages: 所有消息,
    timestamp: new Date()
  });
  
  // 后续可通过 context 引用
  // context: ["sessionId", "messageId"]
}

3. max_completion_tokens 的计算方式

假设：
- 模型上下文长度：32,000 tokens
- 系统提示词：5,000 tokens
- 用户消息：1,000 tokens
- 历史对话：8,000 tokens
- 剩余空间：32,000 - (5,000 + 1,000 + 8,000) = 18,000 tokens

如果设置 max_completion_tokens: 2000
实际可用：min(18,000, 2,000) = 2,000 tokens

重要注意：max_completion_tokens 不能超过模型的最大上下文长度减去已有内容。

四、在实际API调用中的表现

1. 流式API响应示例

// 流式响应
{
  "id": "chatcmpl-123",
  "object": "chat.completion.chunk",
  "created": 1677858242,
  "model": "deepseek-v3.2",
  "choices": [
    {
      "index": 0,
      "delta": {
        "content": "这是"
      },
      "finish_reason": null
    }
  ]
}

// 下一个chunk
{
  "choices": [
    {
      "delta": {
        "content": "流式"
      }
    }
  ]
}

// 最终chunk
{
  "choices": [
    {
      "delta": {},
      "finish_reason": "stop"
    }
  ]
}

2. 非流式API响应示例

// 一次性完整响应
{
  "id": "chatcmpl-123",
  "object": "chat.completion",
  "created": 1677858242,
  "model": "deepseek-v3.2",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "这是完整的回复内容..."
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 100,
    "completion_tokens": 200,
    "total_tokens": 300
  }
}

五、最佳实践建议

1. 默认配置建议

{
  "stream": true,      // 用户体验优先
  "store": true,       // 保持上下文记忆
  "max_completion_tokens": 2000  // 平衡长度和成本
}

2. 参数调优策略

场景	stream	store	max_completion_tokens	理由
交互对话	true	true	1000-2000	自然交互，保持记忆
隐私查询	false	false	300-500	保护隐私，简短回答
长文生成	true	true	3000-4000	允许长文，流式显示
API调用	false	false	500-1000	完整结果，不存储
实时聊天	true	true	500-800	快速响应，短回复

3. 成本控制

// token使用量估算
const estimateCost = (promptTokens, completionTokens) => {
  // 假设 deepseek-v3.2 价格：$0.001/1K tokens
  const cost = (promptTokens + completionTokens) / 1000 * 0.001;
  return cost;
};

// 通过 max_completion_tokens 控制成本
// 设置 2000 = 最多花费 $0.002 用于生成

六、常见问题

Q1: stream和max_completion_tokens冲突吗？

不冲突。stream控制输出方式，max_completion_tokens控制输出长度。流式输出也会在达到最大长度时停止。

Q2: store=false会完全不留痕迹吗？

不完全。虽然对话内容不被存储，但可能仍有日志记录（时间戳、API调用记录等），具体取决于系统实现。

Q3: max_completion_tokens设置太小会怎样？

AI会在达到限制时强制停止生成，可能导致回答不完整。通常会显示"…"或类似的中断标记。

总结

这三个参数构成了AI对话系统的输出控制层：

1. stream - 体验控制：决定用户如何"看到"回复
2. store - 记忆控制：决定系统如何"记住"对话
3. max_completion_tokens - 长度控制：决定AI能"说多长"

核心关系图：

用户请求
    ↓
[模型处理] → 受 max_completion_tokens 限制
    ↓
[输出方式] → 受 stream 控制
    ↓
[存储决策] → 受 store 控制
    ↓
用户看到结果