Температура (
temperature) в ИИ — это не про градусы за окном, а про баланс между точностью и креативностью ответов. Разбираем, как её настраивать под задачи анализа, документирования и генерации требований. 1. Когда и зачем менять температуру?
-
temperature=0.1–0.3 — для: → Четких формулировок требований,
→ Структурирования данных,
→ Документирования процессов.
Пример: «Сгенерируй список user story для заказа пиццы по шаблону: Как [роль], я хочу [функциональность], чтобы [ценность/выгода].».
-
temperature=0.5–0.7 — для: → Генерации гипотез по улучшению системы,
→ Вариантов решения проблем,
→ Автодополнения диаграмм (например, Mermaid-схем).
-
temperature=0.8+ — для: → Брейншторма неочевидных сценариев,
→ Поиска edge-кейсов,
→ Рассуждений «А что, если?»
2. Как настраивать?
📍Через API (если интегрируете ИИ в свои инструменты):
response = openai.ChatCompletion.create(
model="gpt-4",
messages=[{"role": "user", "content": "Сгенерируй 5 тест-кейсов для API проверки статуса заказа"}],
temperature=0.3 # Четкие шаги, без воды
)
📍Через промты:
-Для строгости:
Ответь в формате: Цель: <…>. Шаги: 1. <…> 2. <…>. Ожидаемый результат
-Для креатива:
Придумай 3 альтернативных сценария, которые мы могли упустить в процессе доставки пиццы
3. Примеры из практики
Низкая t°:
BPMN-схема: пользователь вводит email → система проверяет валидность → при ошибке система выводит уведомление
Высокая t°:
А если злоумышленник подменит запрос, как система должна реагировать? Опиши 3 варианта обработки данного сценария
4. Осторожно!
Высокая температура → риски ложных трактовок требований. Всегда проверяйте выводы.
А вы меняете градусы у ИИ? Делитесь кейсами — обсудим в коментах! 👇
#AI@cool_analyst