高级设置
深度自定义AI的生成行为，获得最佳的角色扮演体验。
🎛️ 采样参数
采样参数决定了 AI 如何从众多可能的输出中选择最终的回复。
Temperature（温度）
控制随机性，值越高输出越随机、越有创意；值越低输出越确定、越保守。
| 值 | 效果 | 适用场景 |
|---|---|---|
| 0.1-0.3 | 非常确定 | 事实性回答、翻译 |
| 0.5-0.7 | 平衡 | 日常对话 |
| 0.8-1.2 | 创意模式 | 角色扮演、创作 |
| 1.5+ | 高度随机 | 实验性输出 |
推荐值: 角色扮演通常使用 0.8-1.0
使用示例
低温度 (0.3):
``` 用户: 你好 AI: 你好。有什么可以帮助你的吗？ ```
高温度 (1.2):
``` 用户: 你好 AI: 眨了眨眼睛，嘴角微微上扬 哦？今天是什么风把你吹来了呢~ ```
Top-P（核采样）
只考虑累积概率达到 P 的 Token，过滤掉概率极低的选项。
| 值 | 效果 |
|---|---|
| 0.1 | 只选最可能的选项，非常保守 |
| 0.5 | 中等多样性 |
| 0.9 | 高多样性，推荐 |
| 1.0 | 考虑所有选项 |
推荐值: 0.9-0.95
与 Temperature 的关系
Top-P 和 Temperature 可以同时使用。通常建议固定其中一个，调整另一个。
Top-K
只考虑概率最高的 K 个 Token。
| 值 | 效果 |
|---|---|
| 1 | 贪婪解码，完全确定 |
| 10-40 | 中等多样性 |
| 100+ | 高多样性 |
| 0 | 禁用（考虑所有） |
推荐值: 40-100 或 0（禁用）
Min-P
动态过滤：过滤掉概率低于最高概率乘以 min_p 的 Token。
工作原理:
- 如果最可能的 Token 概率是 80%
- min_p 设为 0.1
- 则概率低于 8% 的 Token 会被过滤
推荐值: 0.05-0.1
推荐
Min-P 是较新的采样方法，通常比 Top-K 和 Top-P 效果更好，推荐尝试。
Typical-P
基于熵的采样，保留"典型"的 Token，排除过于意外或过于平凡的选项。
推荐值: 0.95-1.0
🔁 重复惩罚
Repetition Penalty（重复惩罚）
惩罚重复使用相同的 Token，减少输出中的重复内容。
| 值 | 效果 |
|---|---|
| 1.0 | 不惩罚 |
| 1.05-1.15 | 轻度惩罚，推荐 |
| 1.2-1.3 | 中度惩罚 |
| 1.5+ | 强惩罚，可能影响流畅度 |
推荐值: 1.1-1.15
Repetition Penalty Range（惩罚范围）
向后检查多少个 Token 来判断是否重复。
| 值 | 效果 |
|---|---|
| 0 | 检查所有历史 |
| 512 | 检查最近 512 个 Token |
| 1024 | 检查最近 1024 个 Token |
| 2048 | 推荐值 |
Frequency Penalty（频率惩罚）
基于 Token 出现次数的惩罚，出现越多惩罚越大。
推荐值: 0.0-0.5
Presence Penalty（存在惩罚）
只要 Token 出现过就施加固定惩罚，鼓励使用新词汇。
推荐值: 0.0-0.5
🎲 Mirostat
自适应采样算法，自动调整参数以保持一致的输出困惑度。
| 参数 | 说明 | 推荐值 |
|---|---|---|
| Mode | 0=关闭, 1=Mirostat 1, 2=Mirostat 2 | 2 |
| Tau | 目标困惑度 | 5.0 |
| Eta | 学习率 | 0.1 |
使用建议:
- Mirostat 2 效果通常优于 Mirostat 1
- 启用 Mirostat 时，Temperature 设为 1.0 即可
- 适合需要稳定输出质量的场景
✂️ 其他采样方法
Tail-Free Sampling (TFS)
移除概率分布尾部的低概率 Token，保留核心选项。
推荐值: 0.95-0.99
Top-A
基于最高概率的动态截断。当最高概率很高时减少候选，当最高概率较低时增加候选。
推荐值: 0.0（禁用）或 0.1-0.5
🛑 停止序列
设置让模型停止生成的字符串。当模型生成这些内容时会立即停止。
常用停止序列
- Human:
- User:
- :
使用场景
设置 : 作为停止序列，防止 AI 替用户说话。
🔧 推荐预设
平衡型（推荐新手）
| 参数 | 值 |
|---|---|
| Temperature | 0.9 |
| Top-P | 0.95 |
| Top-K | 0 |
| Min-P | 0.05 |
| Rep Penalty | 1.1 |
| Rep Range | 2048 |
创意型
| 参数 | 值 |
|---|---|
| Temperature | 1.1 |
| Top-P | 0.98 |
| Top-K | 0 |
| Min-P | 0.02 |
| Rep Penalty | 1.05 |
稳定型
| 参数 | 值 |
|---|---|
| Temperature | 0.7 |
| Top-P | 0.9 |
| Top-K | 40 |
| Min-P | 0.1 |
| Rep Penalty | 1.15 |
💡 调参技巧
一次只调一个
每次只调整一个参数，观察效果，避免混淆。
从推荐值开始
使用推荐预设作为起点，逐步微调。
记录对比
保存不同配置，对比输出效果。
模型差异
不同模型对参数的敏感度不同，需要分别调整。
---
⚠️ 注意事项
参数冲突
某些参数组合可能产生冲突：
- Mirostat 启用时，建议关闭其他采样方法
- Top-P 和 Top-K 同时使用时，两者取交集
模型兼容性
| 参数 | OpenAI | Claude | 本地模型 |
|---|---|---|---|
| Temperature | ✅ | ✅ | ✅ |
| Top-P | ✅ | ✅ | ✅ |
| Top-K | ❌ | ✅ | ✅ |
| Min-P | ❌ | ❌ | ✅ |
| Mirostat | ❌ | ❌ | ✅ |
| TFS | ❌ | ❌ | ✅ |
🔗 相关功能
- CFG Scale - 使用引导提示词
- Logit Bias - 直接调整 Token 概率
- Token概率 - 查看生成概率