調校提示詞時，如果說 Prompt 結構是「方向盤」，右側面板的取樣參數（Sampling Parameters）就是「油門與煞車」。在 Google AI Studio 中，調整這些參數能直接決定 AI 要當一位一絲不苟的嚴謹學者，還是思維發散的創意文案。
核心參數原理速懂
大型語言模型本質上是在計算「下一個最可能出現的字（Token）」。取樣參數控制著模型如何從這些機率分佈中挑選詞彙：

• Temperature（溫度值）：
  數值範圍：通常為 0.0 至 2.0（預設多為 1.0）。
  運作機制：
  1.接近 0：機率扁平化被壓制，模型幾乎只選機率最高的第一名字詞（貪婪取樣 Greedy Search）。結果極度穩定、收斂、可重現，適合寫程式、資料解析、邏輯推理。
  2.提高至 1.5～2.0：機率分佈被拉平，次要、少見的字詞被選中的機率大增。結果天馬行空、 富有想像力，但也容易產生語病或幻覺。
• Top-P（核取樣，Nucleus Sampling）：
  運作機制：模型按照候選詞的機率由高到低排序，只在累積機率達到門檻值（例如 0.9）的候選集 合內挑選，直接斬斷後段極冷門、不合理的字詞尾巴。
• Top-K：
  運作機制：強制限制模型每次只在機率最高的前 K 個詞（例如 K=40）之中抽樣。

AI Studio 實測對照實驗：深夜推理咖啡廳 Slogan 命名
在 AI Studio 右側的 Run settings 找到 Temperature 滑桿，分別調整至兩個極端進行對比：
為一間主打「深夜營業、復古英倫風、沉浸式劇本推理」的獨立咖啡廳，構思 3 句吸引人的品牌 Slogan。
要求：每句在 20 字以內，展現神秘與沉浸氛圍。
實驗 1：極低溫度（Temperature = 0 或 0.1）
操作方式：將右側面板 Temperature 滑桿拉到最左側。
預期表現： 用詞中規中矩、直白安全（如「深夜推理，一杯咖啡的真相」、「在暗夜中品味咖啡，解開未知謎題」）。若重複點擊 Run 兩三次，每次生成的內容幾乎一模一樣，展現極高的一致性。

實驗 2：高溫度（Temperature = 1.5 ～ 2.0）
操作方式：將 Temperature 滑桿拉至 1.5 以上。
預期表現：出現強烈隱喻、冷門意象與戲劇張力詞彙（如「子夜十二點，將凶案浸入深焙苦澀中慢火熬煮」）。連續點擊 Run，每一次都會給出完全不同維度的文案發想。

透過今天的兩組實測對照，我們可以清晰驗證一個核心觀念：參數沒有絕對的最佳解，只有最適合當前任務的場景設定。
當我們把 Temperature 降到極低（0.1）時，模型展現了近乎絕對的確定性，適合用於講求規格統一、精準收斂的程式開發或資料抽取；而當把數值推向極限（2.0）時，模型則打破常規機率束縛，釋放出豐富的聯想力與戲劇張力，成為激發靈感的創意引擎。
掌握 Temperature 與取樣參數，就像握有調節 AI 思考彈性的旋鈕——需要嚴謹時踩下煞車，需要靈感時大膽踩下油門。