温度(Temperature)——控制 AI 的"创意"开关
Temperature = 0-2（Claude 为 0-1）之间的旋钮——调低,答案更确定;调高,思维更发散。一张速查表选对你的档位。
核心概念
🌡️ 温度是什么
控制 AI 回答随机性的参数,范围 0-2（Claude 为 0-1）。温度越低越稳定 / 确定,温度越高越有创造性 / 难以预测。本质是给模型"下一个词的概率分布"加噪——低温时几乎只选最优解,高温时低概率词也有机会被选中。
👇 同一句提示词跑 3 次:温度 0.2 时三次输出几乎一模一样,温度 1.2 时三次截然不同——这就是「确定性」与「创造性」的分水岭。
🎚️ 温度的分档定位
四个档位覆盖 0-2 全区间:Conservative(低,0-0.3)严谨稳定,输出几乎确定;Balanced(中,0.5-0.8)日常通用,兼顾稳定与灵活;Creative(高,0.9-2.0)创意发散,输出多样不可预测（1.5 以上极端发散,仅重度头脑风暴临时使用）;Default(GPT/Gemini/Claude 均默认 ≈1.0)安全默认,不确定时的最佳起步档。选错档位等于让 AI 用错模式工作。
👇 不确定选哪档?从 Default(≈1.0)起步,输出太「平」则升温,太「飘」则降温,两步即可锁定最佳档位。
⚠️ 温度 ≠ 准确度
没有任何温度能保证 100% 准确。即使在温度 0.1,AI 仍可能编造看似可信的事实——温度只控制"怎么说",不控制"说得对不对"。关键信息仍需人工二次核实,温度不是免检牌。
👇 温度 0.1 让 AI 整理论文摘要,它仍把实验结论张冠李戴——温度管的是「怎么说」,不是「说得对不对」。
温度使用场景 & 选择策略
合同 / 法规条款撰写
高温下每次措辞不同,同一条款跑两次结果不一致
✔ 温度 0 - 0.1,确保每次输出一致,避免措辞波动带来风险
数据查询 / 事实整理
高温下 AI 可能"编"出看似合理但不存在的数据
✔ 温度 0 - 0.2,减少编造风险,关键数据仍需人工核实
代码生成 / 技术文档
高温下 AI 可能"发明"不存在的 API,或每次生成不同实现方式
✔ 温度 0 - 0.3,确保输出稳定一致,避免"创造性"引入 bug
营销文案 / Slogan 创意
低温输出平庸雷同,高温过度发散跑偏主题
✔ 温度 0.7 - 0.9,可控创意区间,跑 3 版选最优,发散但不跑偏
头脑风暴 / 创意命名
低温想法趋同,高温天马行空但可能不切实际
✔ 温度 1.0 - 1.5,先量后质,跑 10 条人工筛 3 条
实用技巧
▸
同一问题温度对比法
用 temperature = 0.3 / 0.7 / 1.0 跑同一问题,对比三份答案,帮你找到最贴合当前任务的最优温度档位。
▸
高低温组合拳
先用高温(1.0)发散 10 个想法,挑出 3 个好的;再退回低温(0.2)分别展开。兼得发散度与可靠性,创意任务的最佳实践。
▸
温度与 Top P 不要同时调
Top P（核采样）是另一个控制随机性的参数:只从概率累计前 P 的词中选,截掉长尾低概率词。不建议同时大幅调整温度与 Top P,二者共同作用效果难以预判,日常仅调其中一项。
▸
换模型重新校准温度
同一温度值在不同模型上表现差异大,且区间不同:GPT/Gemini 温度 0-2,Claude 仅 0-1,不可直接照搬数值。从 GPT-4 换到 Claude 时,先在 0.3 / 0.7 / 1.0 区间各跑一次,找到新模型的最优档位。