在线体验

为帮助用户更直观地理解和测试大语言模型的行为，我们提供了灵活的在线体验界面。用户可以通过调整一系列参数，精细控制模型的生成逻辑、内容风格与响应结构，获得更具针对性的输出结果。

​

响应格式

用户可选择两种模式：

• 自定义 JSON 响应结构：通过指定 JSON Schema，引导模型按预设结构生成输出，适用于结构化任务或 API 联动场景；
• 自由生成模式：允许模型根据上下文自由组织回答，更适合开放式问答、内容创作等应用。

​

系统提示词

通过设置系统提示词（System Prompt），用户可以设定模型的“身份”与行为语境。例如输入“你是一个专业的旅游规划师”，模型将以该角色视角进行答复，提升回答的角色一致性与上下文连贯性。

​

参数配置

在线体验界面支持以下核心参数调整：

• max_tokens（最大生成长度）：设置生成文本的最大 token 数。较低值可加快响应速度，较高值适用于复杂长文本生成。
• temperature（温度）：控制输出的创造性与随机性。数值越高，模型越倾向于生成发散、丰富的表达；数值越低，则更趋于保守与确定性，适合精确任务。
• top_p（核采样）：动态调整每一步生成的备选 token 范围，有助于提高生成文本的多样性与自然流畅度。推荐与 temperature 配合调节。
• top_k（最大候选数）：限制每次生成时最多从前 K 个最高概率的 token 中选择，有助于提升效率并减少无效输出。
• min_p（最小概率阈值）：替代 top_p 和 top_k 的参数之一，用于过滤生成时概率过低的词，适合对输出精准度有要求的任务。
• presence_penalty（出现惩罚）：鼓励模型在输出中引入新的主题。设置为正值时，模型更可能跳出当前话题，扩展新内容。
• frequency_penalty（频率惩罚）：用于抑制重复词汇的生成。正值会减少重复 token 的概率，有助于提高回答的内容新颖性。
• repetition_penalty（重复惩罚）：进一步减少模型陷入循环或过度重复提示词的风险，常用于控制文本生成的鲁棒性。

​

使用建议

• 文本创作类任务：可提高 temperature、top_p 与 presence_penalty，提升表达的多样性与想象力；
• 结构化任务与工具调用：建议设置固定 JSON schema，使用较低的 temperature 与 top_k，确保输出稳定一致；
• 交互体验测试：通过对比不同参数组合效果，观察模型在生成风格、信息密度、上下文理解方面的差异，快速迭代 prompt 设计。

如您希望在调用 API 时复现在线体验中的效果，请参考平台文档中的对应参数字段说明。