昨天把提示詞寫好之後，AI 回答已經比較像個正常的技術顧問了，不會再講一堆客套話。
不過今天我想再做一個實驗，常常看到有人說寫提示詞不夠，還要調什麼「溫度（Temperature）」。聽說溫度拉低回答會很死板、很嚴謹，拉高回答會很有創意，所以今天我想親自用科學實驗的方法（控制變因）來看看它到底差在哪裡。

今天動手做了什麼？

我一開始點開Dify右上角的設定，發現有些模型根本找不到Temperature可以調，後來我換成 gpt-4o-mini，下面才跳出一堆參數滑桿。這裡我還踩了一個小坑，原來滑桿左邊那個小開關一定要點開（變成啟用狀態），不然就算把數字拉到0，系統還是會跑它原本預設的值，改完等於沒改！而且在Dify裡面，這個滑桿最多只能拉到1。

為了公平測試，我提示詞完全沒改，每次測之前我都先把對話紀錄清空，避免它被上一句影響。我丟了一模一樣的問題進去：

我問的問題：
「請用三點建議，說明如何優化一個執行緩慢的 SQL 查詢？」

實測結果：真的有差嗎？

我先測了 Temperature = 0，然後再把滑桿拉到 Temperature = 1，把兩次它給出來的原話抓出來看，發現真的有差：

• 當我把溫度設成 0（極度嚴謹模式）：

  AI 實際回答內容：

1. 建立適當的索引：確認主要查詢中的 WHERE 條件、JOIN 條件與排序 (ORDER BY) 使用的欄位都有相應的索引。利用資料庫的查詢計劃 (EXPLAIN) 工具來分析哪些查詢未使用索引

2. 查詢結構改進：檢視查詢語句，簡化複雜的子查詢，避免使用 SELECT ，只選擇必要的欄位。嘗試將查詢拆分成多個較小的查詢，以分散負擔

3. 資料庫結構與設計調整：檢討資料表的設計，考慮適當的正規化或反正規化，以降低資料冗餘與提升查詢效率。定期清理無用資料，減少表的大小
   結語： 這三點能有效提升 SQL 查詢的執行效能

我的觀察： 回答超級保守，給的都是教科書上最標準的三招。如果把對話清空重問一次，它講的話幾乎一字不差

• 當我把溫度拉到 1（最大發散模式）：

  AI 實際回答內容：

1. 索引優化：檢查查詢中使用的列是否有索引。對於頻繁查詢的列、JOIN 和 WHERE 子句中的列，應該建立合適的索引。考慮使用覆蓋索引，這樣查詢可以直接從索引中獲取所有需要的數據，而不必回表查詢

2. 查詢重寫：分析查詢的邏輯，確保它是高效的。例如，避免使用 SELECT ，改為選擇必要的列。使用 EXISTS 取代 IN，並考慮使用 INNER JOIN 來提高查詢效能

3. 數據庫配置調整：檢查資料庫的配置，如記憶體分配、緩衝區大小等，確保硬體資源被有效使用。定期進行資料庫的分析和碎片整理，以確保最佳的查詢性能
   結語： 這三個策略可以有效提高 SQL 查詢的執行效率

我的觀察： 核心方向差不多，但講出來的專有名詞變難很多。它不再只是叫我把查詢拆開，而是直接教我用「覆蓋索引」、「EXISTS 取代 IN」，甚至跳到系統層去叫我調「記憶體分配跟緩衝區」。

兩組實測快速比對

如果單看文字可能覺得差不多，直接拉成表格對照就很明顯了：

今天的心得

今天親手測過才發現，如果要讓AI幫我寫程式碼、抓Bug，溫度真的不能設太高，維持在0到0.2這種低溫最穩，才不會每次給的寫法跳來跳去。但如果哪天需要它幫我想專案點子或是系統架構發想，把溫度拉到1就滿適合的。