EP.05
调参比换模型更管用！
SillyTavern 预设完全指南 | 酒馆教程 EP.05
AI 复读/变短/失控？问题不在模型，在预设
一、引 言
你是否遇到过这些情况：AI 明明用的是最新模型，却总是复读同一句话；对话越来越短，最后只剩几个字；角色突然 OOC（Out of Character），完全不像你设定的那个人？
很多玩家的第一反应是："模型不行，得换个更好的。" 但实际上，90% 的问题都出在预设（Preset）配置上。预设就像是调音台——模型再好，参数不对，出来的声音也会跑调。
本期教程将带你彻底搞懂预设的核心参数，学会用三秒钟的调参，换一个完全不同的输出体验。
二、系列进度
三、什么是预设？AI 的行为控制面板
如果把 AI 模型比作一位演员（Model = Actor），那预设就是你手中的导演控制台（Director’s Console）。演员决定了演技的天花板（能力上限），而导演的指令决定了最终舞台上的表现（实际呈现）。
一个三秒钟的参数微调，就能让同一个模型的输出从"死板机器人"变成"有血有肉的角色"。这不是玄学，而是对大模型采样策略的科学控制。
图1：模型 vs 预设 —— 演员与导演的关系
四、四大核心参数
4.1 温度（Temperature）—— 创造力开关
Temperature 控制模型输出的"随机性"或"创造力"。它的工作原理是：在模型给出的候选词概率分布上施加缩放，高温度会让低概率的词有更多被选中的机会，低温度则让模型倾向于选择最"安全"的高概率词汇。
对于角色扮演场景，推荐的 Temperature 范围是 0.8 - 1.2。低于 0.6，AI 会变得保守重复；高于 1.5，可能会出现逻辑混乱或胡言乱语。
图2：Temperature 参数调节滑杆示意
4.2 Top-P —— 词汇筛选器
Top-P（Nucleus Sampling）是一种动态词表过滤机制。模型生成下一个词时，会从候选词中按概率从高到低累加，直到累计概率达到设定的 P 值阈值。超出阈值的低概率词会被直接丢弃。
这就像是在做"海选淘汰"：设定 Top-P = 0.9，意味着只保留最有可能的那 90% 候选词，砍掉后面那些"不靠谱"的选项。推荐设置为 0.9，这个值在创造性和连贯性之间取得了良好的平衡。
4.3 重复惩罚（Repetition Penalty）—— 防复读机制
这是解决"AI 复读"问题的核心参数。Repetition Penalty 会降低已经出现过的 token 的概率，从而惩罚重复输出。数值越高，惩罚越重，AI 越倾向于使用新的表达方式。
推荐范围 1.05 - 1.15。低于 1.0 等于没有惩罚；高于 1.2 可能导致 AI 刻意回避正常重复（比如角色名），反而出现奇怪的表达。
图3：Top-P 漏斗筛选 + Repetition Penalty 防复读机制
4.4 上下文长度（Context Size）—— 记忆与成本的博弈
Context Size 决定了 AI 能"看到"多少之前的对话内容。更大的上下文意味着 AI 能记住更久之前发生的事，但也意味着更多的 Token 消耗（更慢的响应速度 + 更高的费用）。
对于大多数角色扮演场景，4096 - 8192 是一个理想范围。这个区间足以容纳几十轮对话的历史，同时也保持了较好的性价比。如果使用 128K 上下文但预设不合理，AI 可能会在长对话中"迷失方向"。
图4：上下文长度与记忆范围示意
五、System Prompt —— 最高优先级的顶层指令
System Prompt 是发给 AI 的最高优先级指令，位于整个对话结构的最顶端。无论对话多么长、用户的输入多么复杂，System Prompt 始终具有最高的权重。
基础用法：设置语言和角色基调
最简单的 System Prompt 只需要一句话："用中文回复。" 这就能确保 AI 始终以中文输出。你也可以添加角色设定："你是一个温柔体贴的邻家女孩。" 让 AI 带上特定的人格滤镜。
进阶用法：越狱（Jailbreaking）
通过精心设计的 System Prompt，可以绕过模型的某些内置限制，让 AI 输出更丰富、更自由的内容。不过随着各大模型的审核机制日趋严格，越狱的难度也越来越高。对于普通用户而言，掌握好四大核心参数远比钻研越狱技巧更实用。
图5：System Prompt 优先级金字塔
六、四大预设方案 —— 即抄即用
以下是四套经过实战验证的预设方案，覆盖了最常见的角色扮演场景。你可以在 SillyTavern 中分别保存为模板，实现一键切换。
以上四套方案的核心差异在于 Temperature，其他参数（如 Top-P 0.9、Repetition Penalty 1.1）保持相同即可。你可以根据自己的模型和场景进行微调，找到最适合自己的"甜点区"。
图6：四大预设方案卡片
七、调参与换模型：哪个更重要？
这是一个很多玩家都踩过的坑：看到 AI 输出不理想，第一反应是"这个模型不行"，然后开始不断地换模型——从 GPT 换到 Claude，从 Claude 换到 Gemini，再换到各种开源模型。换了一圈发现，问题不但没解决，API 费用倒是翻了几倍。
核心公式：好的预设 + 普通模型 > 差的预设 + 顶级模型
模型决定了能力的上限（天花板），而预设决定了你实际能达到的表现（你能摸到多高）。一个顶级的模型配上糟糕的预设，就像让一个影帝去念提词器——演技再好也发挥不出来。相反，一个普通的模型配上精心调校的预设，输出体验可以远超预期。
图7：调参与换模型效果对比
八、导演思维 —— 你不是在调参数，你是在导演
当你调节 Temperature 时，你是在控制角色"有多即兴"；当你调 Repetition Penalty 时，你是在防止角色"嘴瓢复读"；当你在编辑 System Prompt 时，你是直接把"剧本大纲"塞进了演员的脑子里。
你不是一个"参数调试员"，你是导演。每一个旋钮都是你对角色表演的指令。这种心态转变，可能是本章最重要的收获。
图8：从调参到导演的心态转变
九、进阶前瞻
当你熟练掌握了四大核心参数之后，SillyTavern 还有更多高级采样策略可以探索：
CFG（Classifier-Free Guidance）：增强对 Prompt 指令的遵循度
Mirostat：自适应 Temperature 算法，自动保持输出复杂度
自定义停止序列：精确控制角色何时停止说话
预设社区分享：使用热门预设作为你调参的起点
记住：四大核心参数掌握好 = 90% 的问题已经解决。剩下的 10%，等你遇到具体场景再深入不迟。
图9：预设技能树 —— 从核心到进阶
十、下期预告
EP.06：提示词工程入门
下一期我们将进入提示词的世界——学习如何用精准的 Prompt 控制 AI 的行为、语气和叙事风格。掌握预设 + Prompt 的组合技，你的角色扮演体验将再上一个台阶。
建议现在就动手，把本期介绍的四大预设方案在 SillyTavern 中保存为模板。练习十分钟，胜过看一百遍教程。
如果本期教程对你有帮助，请不要吝啬你的点赞 / 投币 / 收藏 / 分享
私信可免费领取 10G 精选角色卡资源包
下一期 EP.06 提示词工程入门，不见不散！