Q：temperature 到底是个啥？ A：一句话：它控制模型输出的"随机性"。值越低，模型越保守，每次都选概率最高的词，输出稳定但可能死板；值越高，模型越"放飞"，会尝试小概率的词，输出有创意但可能胡说八道。它不改变模型的知识，只改变"说话风格"。
Q：0 和 1 和 2 分别是什么效果？ A：打个比方：temperature=0 的模型像严谨的会计，问它三遍"1+1=？"，三遍都答"2"，一字不差；temperature=1 像正常人聊天，有变化但不离谱；temperature=2 像喝了三杯的诗人，妙语连珠和胡言乱语随机掉落。一般应用里，0～1 是常用区间，超过 1.5 就要小心了。
Q：不同场景该设多少？ A：记住这张速查表：
- 写代码、做数学、抽取信息：0～0.3。正确性优先，不需要创意，越稳越好。
- 写公文、商务邮件、翻译：0.3～0.7。准确打底，允许一点语言上的灵活性。
- 头脑风暴、写故事、起名字：0.7～1.2。创意场景，多样性就是价值。
- 严肃问答、医疗法律咨询：尽量低。温度高了容易一本正经地编造，风险你担不起。
Q：温度和"幻觉"有关系吗？ A：有直接关系。温度越高，模型越敢用低概率的词"自由发挥"，编造事实的概率也越高。如果你发现模型一本正经地胡说八道，第一件事就是把 temperature 调低，而不是先怪模型笨。
Q：调 temperature 时还有什么坑？ A：三个常见坑：
- 只调温度不调提示词。温度是微调，提示词才是方向盘。方向错了，温度再合适也白搭。
- 混淆 temperature 和 top_p。两者都控制随机性，一般调一个就行，同时调容易互相打架。新手建议只动 temperature。
- API 和网页版默认值不同。很多 API 默认 temperature=1，网页版聊天可能做了单独优化。同样的提示词两边效果不一样，先检查参数再下结论。
Q：有没有"不用记"的傻瓜原则？ A：有：要准就调低，要浪就调高。日常用默认就行；凡是输出要拿去用的（代码、数据、正式文档），往低了调；凡是图一乐、要灵感的，往高了调。记住这一句，80% 的场景够用了。
想深入玩 API 中转和参数，可以看看 API 中转的坑；语音场景看 ElevenLabs 语音指南；国产模型玩家参考 Kimi 使用指南。
Q：网页版聊天能调 temperature 吗？ A：多数网页版不开放这个参数，用的是官方预设值。想调的话走两个途径：一是用 API（配合站内的 API 中转避坑指南食用更佳），二是用支持调参的第三方客户端，比如 Cherry Studio、ChatBox 这类，界面里直接有滑杆。
Q：调了 temperature 没效果，是为什么？ A：三个可能：一是你用的场景对随机性不敏感（比如问事实性问题，温度高低答案都一样）；二是平台没真正应用你的参数（某些中转 API 会锁死参数）；三是变化太小你没察觉——同样的提示词跑三遍对比，比凭感觉靠谱。
Q：temperature 和 top_p 到底什么关系？ A：都是控制"候选词范围"的参数。temperature 是"缩放概率分布"，top_p 是"只从累积概率前 p 的词里选"。效果有重叠，业界共识是：调一个就行。新手建议只动 temperature，把 top_p 留在默认值，两个一起动容易互相干扰，出了问题都不知道是谁的锅。
Q：有没有"调参翻车"的典型例子？ A：有，我亲历的：用 temperature=1.5 让模型写产品说明书，结果它给产品编了三个不存在的功能，差点发给客户。从那以后，任何要对外的内容，我都把温度压到 0.3 以下。创意可以放飞，交付必须收敛。
Q：不同模型的 temperature 刻度一样吗？ A：不完全一样。同样是 0.7，不同模型的"放飞程度"有差异，因为底层实现和训练方式不同。换模型后别直接沿用旧参数，花十分钟重新试几个值，找到新模型的甜点区。
Q：最后一句忠告？ A：参数是为你服务的，别被参数绑架。90% 的日常使用，默认值 + 好提示词就够了。只有当你明确知道"我要更稳"或"我要更发散"时，才去动 temperature。调参是手段，不是目的。
