workbuddy模型的temperature、top-p和max tokens参数分别控制生成内容的随机性、词汇采样范围和输出长度：temperature越低越确定，越高越新颖；top-p需与temperature协同调节以平衡语义连贯与多样性；max tokens过小会导致结构不完整。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
WorkBuddy模型参数直接影响生成内容的逻辑严密性、语言多样性与任务适配度，同一指令在temperature=0.2和temperature=1.5下可能输出完全不同的结果——前者严格遵循已有代码结构补全，后者则倾向引入新设计模式甚至重构接口。
Temperature参数：控制随机性与确定性
该参数决定模型在token采样时的“保守程度”，数值越低，输出越贴近训练数据中的高频模式；越高，则越容易跳出统计惯性，生成新颖但风险更高的内容。
方法一：全局默认设置（适用于固定风格长期使用）
1、点击右上角头像→「设置」→左侧「AI模型管理」。
2、找到目标自定义模型（如GLM-5.2），点击右侧「编辑」。
3、在「推理参数」区域拖动Temperature滑块，【必须勾选“保存为默认参数”才生效】，否则仅本次对话临时生效。
4、确认更新后，所有未显式声明temperature的新建对话均采用该值。
方法二：单次指令覆盖（推荐用于A/B对比或关键任务）
在自然语言指令末尾直接追加temperature=0.4，注意：【前后必须用英文空格分隔，不可加引号或括号】。例如：“生成Python单元测试用例，覆盖边界条件 temperature=0.6”。
这一步操作起来很简单，直接把参数写在指令最后就行。
Top-p（Nucleus Sampling）：限制采样词汇池范围
当Temperature已设为0.8但仍出现语义跳跃时，top-p可进一步收束候选词集合——它不按概率排序取前k个词，而是累计概率至阈值p后截断，动态适应不同上下文的信息密度。
WorkBuddy 桌宠工厂 —— 给一张角色图、一个 codex.pet 链接、一条 codex-pets.net 下载 URL、或一份现成的精灵表，就能自动创建一只可联动 WorkBuddy 状态的桌面宠物。当用户说"创建桌宠"、"做一只桌宠"、"用这张图做桌宠"、"从 codex.pet 安装桌宠"、"导入 codex 桌宠 XX"、"装一下 codex-pets.net 上的 XX&quo
第一步：进入「AI模型管理」→编辑目标模型。
第二步：展开「高级推理参数」→启用「Top-p控制」开关。
第三步：输入0.92～0.98之间的值。低于0.9易导致重复短语，高于0.99则退化为greedy decoding，失去多样性优势。
注意：top-p与temperature需协同调节，单独调高temperature而忽略top-p，可能引发语法合法但语义断裂的输出。
Max Tokens：硬性截断生成长度
该参数不改变生成质量本身，但决定模型是否有足够空间完成逻辑闭环。设置过小会导致函数缺返回语句、文档缺结论段、JSON缺闭合括号等结构性错误。
在模型配置面板中找到「最大输出长度」字段，根据任务类型设定：
• 简单问答/摘要：512
• 接口文档生成：2048
• 多模块代码实现：4096
若生成内容被突然截断且末尾无标点，大概率是max tokens触顶。此时不要调高temperature试图“激发更多内容”，应先检查并提升该值。
