测了同一个任务在不同客户端的表现差异

同一模型同一提示词，换客户端，效果不一样。

差异来源：

1. 系统提示词不同（客户端会注入自己的）
2. 工具定义不同
3. 历史处理方式不同（有的会压缩，有的全带）

第 1 条最容易被忽略。客户端注入的系统提示词会影响模型行为，包括语气、冗长度、是否主动提问。

排查方式：看客户端能不能导出完整请求。能导出的客户端排查起来方便得多。

选型时这条值得看：请求内容不透明的，出问题只能猜。