最近在使用llamasharp 本地加载大模型输出，模型启动，模型会话，模型使用cuda都没有任何问题，但是到最后一步，让大模型输出内容的时候发现，要么输出内容重复，要么输出角色标识，自问自答，而且一直自问自答，用户体验相当糟糕。
查看llamasharp 文档和源码，发现已经在 ChatSession 中实现了将gguf的自带模板通过metedata中导出，然后格式化后作为模型template 注入了，那么就以为着我们不需要在构建提示词对话模板和设置停止词了，但是我发现，模型通过InferenceParams 设置的参数确实注入到llama.cpp 中起作用，但是就是system 和 user 消息的模板没有注入到llama.cpp 中，所以，我们直接通过AddSystemMessage 添加第一条系统提示消息，后继续使用user 角色对模型问答的时候，它就不遵循对话模板来一文一答了，而是自问自答，而且还不会停止，直到输出maxtokens.
try { ModelDataInfo? modelInfo = GetModelByName(ModelName); if (modelInfo == null) return; if (modelInfo?.ModelWeight == null) await StartModel((int)modelInfo?.ModelId!); SessionDataInfo? sessionInfo = await CreateSession(SessionId,modelInfo,SystemText); if (sessionInfo == null) return; if (InferenceParam != null) await SetInferenceParam(sessionInfo.SessionId!,InferenceParam); if (sessionInfo.SessionChat == null) return; sessionInfo.SessionHistory?.AddMessage(AuthorRole.User,UserText); StringBuilder Assistant = new StringBuilder(); await foreach (var text in sessionInfo.SessionChat.ChatAsync(new ChatHistory.Message(AuthorRole.User,UserText),true,sessionInfo.SessionInference)) { if (InferenceParam != null && InferenceParam.AntiPrompts.Contains(text)) { //break; } RetMessage(text); Assistant.Append(text); } sessionInfo.SessionHistory?.AddMessage(AuthorRole.Assistant,Assistant.ToString());最后解决方案是，System 消息提示词如下：
你是一个人工智能政务办公助手,必须严格遵守以下要求:
1. 使用中文回答。
2. 不要在你的回复中包含任何特殊标记或角色标签。
3.不要输出重复的内容。
4.只回答用户的问题，不要提出新问题。
5. 不要模拟对话，只给出答案。
6. 回答完成后就停止，不要继续生成。
User 对话的提示词如下：
<|im_start|>user{0}<|im_end|><|im_start|>assistant //注意这里的{0},对应string.fomat 对话具体内容。
然后终于解决了他不会自问自答输出角色标识的问题了，但是又发现一直输出直到达到最大token限制，这明显不符合预期，查询了大量资料和看了llamasharp 源码没发现问题，最后看了看llama.cpp 的源码了，llama系列的模型，默认保留了一个\n\n 的截断词，注意是不能转义的\n\n,模型即便输出需要两次换行它也不会输出这个标记，只要输出这个标记就以为回答完了，那么就知道了.
InferenceParams InferenceParam = new InferenceParams(); InferenceParam.MaxTokens = Inference.InferTokens; InferenceParam.TokensKeep = Inference.InferKeep; InferenceParam.DecodeSpecialTokens = Inference.InferSpecial; InferenceParam.AntiPrompts = new List<string>() {@"\n\n"}; //Inference.InferPromptAnti!.Split(",").ToList();其他的截断提示词先不管，设置@"\n\n", 基本能满足要求。调试时候正常了，但是我通过前端设置了 多个提示词，通过，分隔，然后读取到list<string> 对象里面的时候发现又不起作用了，这里有个小坑，这个分隔字符串不能加双引号，而且不能设置成 "\\n\\n"通过转移来识别，因为c#默认下的\\转义为\ ,是输出了文本，不是换行符，所以处理的时候 @"截至词"，才能匹配llama.cpp, 其实这是c# 到c++语法的一个差异性导致的，如果不同时精通这两种语言，估计始终找不到问题所在。
经过这些处理，一切正常，可以平替了ollama和dify 以及Inferences ，实现本地化自开发人工智能应用了。
)
