当AI的输出忽好忽坏，问题可能出在参数设置上。本文深度解析控制大模型性能的4个关键旋钮：Temperature调整创造力、Top-P筛选词汇池、Max Tokens限制输出长度、Penalty机制消除重复。掌握这些参数的黄金组合公式，你就能让AI在严谨代码与创意文案间自由切换，彻底告别输出不稳定的困扰。

上一篇我们讲了如何通过 Prompt（提示词）给大模型下达精准的指令，这相当于给 AI 发了一份毫无歧义的《需求文档》。

但在实际使用中，你大概率遇到过这种“灵异事件”：明明用的是同一套经过反复推敲的提示词，昨天 AI 给出的回答还非常严谨，今天再问，它就开始天马行空，甚至胡言乱语了。

这就不全是 Prompt 的锅了。因为你除了要给 AI 下指令，还需要控制它答题时的“精神状态”。

大模型的后台，隐藏着几个直接控制它输出随机性、发散度和边界的物理旋钮——也就是“参数”。

今天，我们将硬核拆解这 4 个最核心的参数，帮你彻底告别大模型输出忽好忽坏的盲盒状态。

1. Temperature (温度)：控制 AI 的“微醺指数”

这是所有参数里最核心、决定性最强的一个。它的取值范围通常在 0 到 1 之间（有些模型可达 2）。你可以把它直观地理解为 AI 的“微醺指数”。

当 Temperature = 0（绝对清醒的理科生）： 模型会变得极度保守，每次都会选择概率最高、最确定的词汇。此时它几乎没有创造力，但逻辑最严密、输出最稳定。

实操场景： 数据清洗、提取系统表单字段、写代码、或者要求严格输出 JSON 格式时。必须将温度拉到 0，否则极易出现格式错误。

当 Temperature = 0.7 ~ 0.9（喝了点酒的文科生）： 模型开始变得活跃，会选择一些不那么常见但更有趣的词汇组合。

实操场景： 撰写自媒体爆款文案、头脑风暴、生成故事脚本。这时候你需要它打破常规，提供灵感。

2. Top-P (核采样)：词汇池的“漏斗”

Top-P 的作用与 Temperature 类似，也是控制输出的随机性，取值同样是 0 到 1。如果说 Temperature 是改变每个词出现的概率，那么 Top-P 就是直接砍掉那些概率太低的冷门词汇。

• Top-P = 0.1： 模型只在排名前 10% 的高频词汇里挑词，回答极其克制。
• Top-P = 0.9： 模型在排名前 90% 的词汇里挑，给了冷门词汇出场的机会。

避坑指南： 绝大多数官方文档强烈建议：Temperature 和 Top-P，只调其中一个就行了，千万不要同时调！ 实际业务中，我们通常固定 Top-P 为 1（不干预），只通过调 Temperature 来控制发散度。

3. Max Tokens (最大输出长度)：控制成本的“刹车片”

Token 是大模型计算字数的基本单位（1 个 Token 大概等于 0.6 个汉字）。Max Tokens 控制的是模型单次回答的最大长度限制。

为什么一定要设置它？

第一，防止 AI “发疯”无限输出废话，白白烧掉你的 API 额度（Token 就是钱）。

第二，如果你发现 AI 的回答总是“说了一半就突然断掉”，说明触发了默认的 Max Tokens 限制，你需要把它调大。

实操场景： 比如做一个简单的“情感分类”任务，只需要 AI 输出“正面”或“负面”，直接把 Max Tokens 设为 5 就行，多一个字都不让它废话。

4. Frequency/Presence Penalty (惩罚机制)：去油腻神器

这两个参数取值通常在 -2.0 到 2.0 之间，主要用来治理 AI 的“车轱辘话”和挥之不去的“播音腔”。

Frequency Penalty (频率惩罚)： 针对“重复出现”的词进行打击。数值越高，AI 就越不敢用刚刚用过的词。如果你的 AI 总爱用“总而言之”、“在这个快节奏的时代”作为口头禅，调高这个数值，能有效去油腻。

Presence Penalty (存在惩罚)： 只要一个话题或词汇出现过，就进行惩罚，逼着 AI 聊点新东西。

实操场景： 当你需要 AI 写长篇干货文章或小说时，稍微调高这两个值（比如 0.3-0.5），能显著提高文章的信息密度，防止它原地绕圈子。

总结一下，Prompt 决定了 AI “干什么”，而参数决定了 AI “以什么状态干”。在日常使用中，你可以直接套用以下两套黄金公式：

公式一：追求绝对精准的“理科任务”（如代码、数据提取）：

Temperature = 0 + 精确限制 Max Tokens + 严谨的格式 Prompt。

公式二：追求灵感爆棚的“文科任务”（如文案、策划）：

Temperature = 0.8 + 适当拉高重复惩罚 (Penalty=0.4) + 提供优质案例的 Prompt。

当你掌握了 Prompt 这门沟通语言，又学会了拨动这几个参数旋钮，你已经拥有了驯服绝大多数大模型的能力。

但是，这还存在一个最底层的物理限制：如果这个 AI 本身就是个“文科脑”，你参数调出花来，它也解不出复杂的数学题；如果你只是想做一个简单的文本翻译，却调取了千亿参数的最强模型，那你的成本将会是个无底洞。

这就要引入我们这个系列的终章：《影响大模型输出手段 – 模型篇》。面对市面上眼花缭乱的模型，到底该怎么选才既高效又不花冤枉钱？我们下一篇见。