使用不同LLM模型调用PandasAI返回完全相同结果，是否合理？

这种情况是完全可能的，核心原因如下：

• 问题本身具备确定性：像“列出数据集列名”这类问题，答案是固定且明确的。PandasAI的工作逻辑是将自然语言问题转化为可执行的Pandas代码（比如执行df.columns获取列名），执行后再把结果用自然语言包装输出。只要两个模型都能正确解析问题并生成对应的代码，最终得到的列名列表是固定的，用标准话术描述时就会完全一致。

• 温度参数限制了随机性：你在配置中将temperature设为0，这个参数用于控制模型输出的随机性。当值为0时，模型会优先生成最确定、最标准化的结果，不会引入随机变异。不管是OpenAI模型还是本地的DeepSeek-R1，在这种设置下都会选择最规范的表述方式，进一步降低了输出差异的可能。

• PandasAI的输出模板约束：PandasAI内部针对常见的数据探索问题可能预设了输出模板，模型生成结果时会遵循统一的格式组织语言。比如针对列名查询，模板可能固定为“列名包括：XXX, XXX, ...”，不同模型只要适配这个模板，最终输出就会完全相同。

内容的提问来源于stack exchange，提问作者HappyFish