一、前言

在前兩天中，我們在 Chatflow 成功串接了講義知識庫，並開啟了引用出處（Citation）功能，讓 AI 助教在作答時能翻閱教材並標註來源段落。
然而在多次提問的過程中，你可能會發現：即便有講義當作參考資料，AI 有時給出的解釋依然有些「放飛自我」或修飾過度。在需要精確背誦專有名詞、國際標準（如 HL7 FHIR、DICOM）的醫學資訊考試中，我們需要的是極度嚴謹、忠於原文且高度穩定的解答。
這背後其實受到模型核心參數——「溫度值（Temperature）」 的深刻影響！今天我們就來透過實測對比，找出打造課堂助教的最佳參數設定。

二、什麼是溫度值（Temperature）？

大型語言模型本質上是在計算「下一個字出現的機率」：

• 溫度值（範圍通常為 0.0 ～ 1.0 或 0.0 ～ 2.0）：影響語言模型輸出的參數，決定輸出是否更隨機、更有創意，還是更可預測。
• 高溫度值（如 0.8 ～ 1.0）：提高挑選低機率詞彙的機會，輸出更具創造性的詞彙。
• 低溫度值（如 0.0 ～ 0.2）：模型會高度傾向挑選機率最高、最合理的詞彙，輸出較可預測的字詞。

三、實作探討：在 Dify Chatflow 中尋找參數設定

1. 進入 LLM 節點：在中間畫布上點擊「LLM」節點方塊，打開右側面板。
2. 打開模型進階參數：在模型名稱（Gemini 3.5 Flash-Lite）那條灰色長條的最右端，點擊模型設定。
   

四、實戰踩坑與重大發現：為什麼找不到 Temperature 滑桿？

當點開彈窗、滑到最頂部準備找 Temperature 滑動桿時，卻發現一個驚人的事實：
畫面上根本沒有 Temperature 或 Top P 的欄位！

仔細檢視面板中的各項參數，我們找到了關鍵項目——Thinking level（思考等級）：

• 預設設定為：Medium。
• 點開下拉選單，只有 Minimal、Low、Medium、High 四種選項。

實戰排查心得：新世代思維模型的演進

這揭示了大型語言模型的架構變革：
Gemini 3.5 系列屬於「強制內建思維推理（Thinking）」的新世代模型。
為了確保模型在內部進行思維鏈推理（Chain-of-Thought）時邏輯嚴密，官方不再開放手動隨意調整溫度，而是直接由 **Thinking level**全權接管輸出的嚴謹與推論深度！

五、實測調校：用「Thinking Level」打造最嚴謹的醫資助教

既然由思考等級接管，我們便針對 Thinking level 進行課堂複習的最佳化設定：

最佳參數配置步驟：

1. 在模型設定面板中，將 Thinking level 下拉選單改選為 Minimal。
2. 關閉彈窗，點擊畫面右上角藍色的「發佈」➔「更新」。
   

提問實測驗收：

在右側預覽視窗再次提問：「請說明 HL7 FHIR 的主要特點是什麼？」

• 結構清晰俐落：助教一開頭給出通俗比喻後，立刻直接切入講義重點，並以條列方式呈現「奠基並相容舊有標準」、「模組化的資源（Resources）設計」等核心機制。
• 忠實於課堂教材：內容嚴格對照了上傳的 FHIR 投影片原文，沒有出現偏離教材的發散推想。