温度参数（Temperature）是一个控制 AI 输出有多随机的设置。调低，模型几乎只挑概率最高的词，同一个问题反复问，答案高度相似；调高，排在后面的冷门词也有机会被选中，回答更花样，但跑题和出错的概率跟着上升。它帮你处理一个很实际的取舍：这次你想要一个稳定、可复现的答案，还是想要好几个不一样的版本。
一句话定义
温度参数是一个决定 AI 回答”有多敢发挥”的数值。模型写字是一个词一个词往下接的，每接一个词，它心里都有一份候选词的概率排名。温度低，它就死磕排第一的那个词，输出趋于确定，几乎每次都一样；温度高，它对靠后的候选词更宽容，用词更发散。把温度压到最低，你基本能拿到一份可复现的固定答案。
一个例子
最直观的例子，是让 AI 反复写同一句产品标语：温度低，你连点几次”重新生成”拿到的句子大同小异、措辞保守；温度高，几次结果会明显不同，有俏皮的也有正式的，代价是偶尔冒出一句不通顺或者跑偏的。你可以在 ChatGPT 这类工具里直接感受到”同一个问题多次生成、答案并不完全一样”，背后起作用的就是温度这类随机性设置。要提醒的是，回答变花样不等于变可靠：模型可能很自信地说错，引用和数字都不能跳过人工核验。
和相近概念的区别
温度常和”随机种子””top-p”一起被提到，但它们管的不是同一件事。随机种子决定”这一次随机走哪条路”，固定种子能复现同一个结果；温度决定的是”随机的幅度有多大”。top-p 是另一种控制候选范围的做法，它按累积概率把尾部的冷门词切掉，温度则是整体缩放这份概率排名。两个旋钮可以一起拧，但拧的是不同的东西。
什么时候用得上
需要答案稳定、能复现时把温度调低，需要一堆不同创意时把它调高。几个常见场景：
- 抽取字段、写代码、按固定格式输出：低温度更省心，结果也好检查。
- 起名、头脑风暴、一次要好几版文案：高温度更有用，宁可多几个候选自己挑。
两点要记住。一是温度再低，模型也可能出错，引用和数字仍然要你自己核验；二是能不能调温度、能调到什么范围，会随工具、方案和地区变化，具体以你正在用的产品为准。
