你问它同一个问题，第一次给的答案，第二次又不一样。
有人以为这是 bug，有人以为它心情变了。
都不是。这是它的设计。
它每次都在「抽签」
回忆一下它的本职：猜下一个词。
关键在于，它猜的不是"唯一最可能的词"，而是"一个概率分布"——比如下一个词有 60% 是 A，25% 是 B，10% 是 C。
然后它按这个概率随机抽一个。
抽到 A 就继续往下，抽到 B 就是另一条路。所以每次生成，都是一次重新抽签。
这个随机性的强度，有个参数控制，叫温度（temperature）。温度低，它更倾向选最可能的词，答案稳定；温度高，它更愿意选冷门词，答案发散。
为什么不干脆固定住，每次都一样
因为有些活需要惊喜。
写文案、起标题、想创意——你希望它给十个不同的方向。如果每次都一样，那还不如自己写。
有些活需要稳定。做数据提取、格式转换、翻译术语——你希望同样的输入永远得到同样输出。
所以这个随机性是可调的，只是大多数产品默认给你一个中间值。
产品里的几个开关
现在很多工具都有这几个参数，名字不一，作用类似：
- 温度 / 随机性：调高更发散，调低更稳定。
- Top-P：另一种控制发散的方式，效果类似。
- 随机种子：固定一个数字，理论上能复现同一结果（但换了模型版本就不一定了）。
普通用户一般不用碰这些。知道"有这回事"就行。
实用策略：按活的类型选
要稳定：数据整理、格式转换、翻译、代码补全。把温度调到最低，或者干脆多跑一遍对比两次结果，不一致的地方就是它不确定的地方——这是个很好用的自查法。
要发散：起名、写标题、想方案。故意多问几次，把答案放在一起挑。你现在知道为什么要"多抽几次"了。
一个进阶用法：用差异找不确定
同一个人问同一件事，连问三次。
三次答案完全一致的部分，基本可信；三次说法不一样的地方，就是它拿不准的地方——那几处，你去查。
这招对判断"这段总结靠不靠谱"特别管用。
一句话带走
它不是坏了，它是在抽签。
温度低更稳，温度高更活。
要一致就调低，要创意就多抽——差异本身也是线索。
下一篇：AI 画图是怎么画出来的？搞懂「扩散」你就明白了。
