名詞解析 · Core Concepts

Temperature

Q: Temperature 如何實際應用？

Temperature 的設定影響兩個核心決策： 按任務類型設定：程式碼生成、資料提取、事實問答，用 0-0.3；文案寫作、故事創作、腦力激盪，用 0.7-1；分析報告、解釋說明，用 0.4-0.6。這是出發點，不是硬性規則——在這個範圍內測試，找到你特定任務的最佳值。 不要用 Temperature 解決 prompt 的問題：如果 Claude 的輸出不符合你的期望，大多數時候是 prompt 的問題。先優化 prompt，確認在 Temperature = 0.7 時能穩定輸出你想要的風格，再微調 Temperature。

Core Concepts 中級

30 秒版 · 給沒耐心的人

控制 Claude 回答隨機程度的參數，0 是最確定保守，1 是最有創意不可預測。

完整解說 +

01 · 這是什麼？

Temperature 是控制語言模型輸出隨機性的參數，數值範圍通常是 0 到 1。Temperature = 0 時，模型每次都選擇「最可能」的下一個 token，輸出幾乎完全確定；Temperature = 1 時，模型按照 token 的機率分佈進行採樣，低機率的 token 也有機會被選中，輸出更多樣化和不可預測。這意味著 Temperature 不只影響創意性，也影響準確性：高 Temperature 讓模型在技術任務上更容易犯錯，因為它有更高的機率選擇「不是最可能正確」的 token。預設值通常是 1——如果你不設定，Claude 在程式碼任務上也會用高隨機性模式，增加出錯機率。明確設定 Temperature 是每個 API 呼叫都應該做的事。

02 · 為什麼存在？

語言模型訓練後，對每個位置能預測出一個 token 的機率分佈。如果總是選最高機率的 token（貪婪解碼），模型的輸出會陷入重複和平庸——永遠選「最安全」的詞，創意為零。Temperature 提供了一個控制「風險接受度」的旋鈕：你可以根據任務需求，決定要多「保守」還是多「冒險」。這個設計讓同一個訓練好的模型能適應不同類型的任務，不需要為每種任務訓練不同的模型。

03 · 如何影響你的決策？

Temperature 的設定影響兩個核心決策：按任務類型設定：程式碼生成、資料提取、事實問答，用 0-0.3；文案寫作、故事創作、腦力激盪，用 0.7-1；分析報告、解釋說明，用 0.4-0.6。這是出發點，不是硬性規則——在這個範圍內測試，找到你特定任務的最佳值。不要用 Temperature 解決 prompt 的問題：如果 Claude 的輸出不符合你的期望，大多數時候是 prompt 的問題。先優化 prompt，確認在 Temperature = 0.7 時能穩定輸出你想要的風格，再微調 Temperature。

04 · 你該怎麼辦？

實際操作建議：建立任務-Temperature 對照表：為你常用的任務類型記錄最佳 Temperature。「產品描述文案」→ 0.9，「SQL 查詢生成」→ 0.1，「競品分析報告」→ 0.4。這個對照表讓 API 應用在不同任務切換時能自動設定正確的 Temperature。高 Temperature 任務用多次採樣：不要只生成一次，生成 3-5 個版本，選最好的。這比反覆調整 Temperature 更有效率，也更可預測。 Temperature = 0 用於測試和除錯：在開發和測試階段，把 Temperature 設成 0 讓輸出更確定，方便排查 prompt 問題。確認 prompt 邏輯正確後，再調到你實際需要的值。

實際例子 +

場景：你在用 Claude 為電商平台生成產品描述，同一個產品需要 5 個不同風格的描述供 A/B 測試。錯誤做法：Temperature 設成 0.2，發了 5 次相同的 prompt，得到 5 個幾乎一樣的描述。A/B 測試失去意義。正確做法一：Temperature 設成 0.9，發一次 prompt，要求「生成 5 個不同風格的描述」。Claude 在高 Temperature 下自然產出多樣化的版本——活潑口語版、專業正式版、情感共鳴版、功能導向版、故事型版。正確做法二（best-of-N sampling）：Temperature 設成 0.8，發 5 次相同的 prompt，從中挑最好的 2-3 個進行 A/B 測試。每次生成都是獨立的，品質更容易控制。後續優化：A/B 測試顯示「活潑口語版」轉換率最高。下次只生成這個風格時，把 Temperature 降到 0.5-0.6，讓品質更穩定，不再需要每次多次採樣。

圖解

歡迎截圖分享，轉載請註明來源

常見誤解 +

✕ 誤解1

× 誤解一：「Temperature 越高，Claude 越聰明、越有創意」。Temperature 高只是讓輸出更隨機，不是讓模型更聰明。對於技術任務，高 Temperature 實際上讓 Claude 更容易犯錯。Temperature 是隨機性旋鈕，不是智力旋鈕。

✕ 誤解2

× 誤解二：「Temperature = 0 就能確保 100% 相同的輸出」。Temperature = 0 會讓輸出趨向確定，但不保證 100% 相同。模型底層有其他隨機性來源，且 Anthropic 可能在不同時間更新模型版本。如果你的應用需要完全可重現的輸出，需要額外的機制（如快取）而不只是設定 Temperature = 0。

這件事跟你有什麼關係 +

直接影響

低 Temperature（0-0.3）：輸出一致可預測，適合技術任務。缺點是創意空間有限。高 Temperature（0.7-1）：輸出多樣有創意，適合廣告文案、故事創作。缺點是輸出品質不穩定，需要多次採樣選優。中間 Temperature（0.4-0.6）：平衡創意和一致性，適合大多數日常任務。核心原則：先確認 prompt 是對的，再用 Temperature 微調輸出風格。不要期望 Temperature 能解決 prompt 的問題。

← 上一個詞條

Retrieval-Augmented Generation (RAG)

下一個詞條 →

Token

提問

參照詞條

實用資源

Claude API 狀態 → 模型定價 → Prompt 試驗場 → Token 計算器 → MCP 伺服器目錄 → LLM 評測排行 → 模型比較 →