⚙️ 参数实验台

同一个提示词,参数不同,结果完全不同。这里把「看不见的参数」摆到台面上 -- 拖滑块、切开关,右侧立刻显示结果、耗时、token 用量和模型真实的推理过程。

params.config

mode

对比模式会自动跑 flash 与 pro 两个模型,并排显示差异。

model

system prompt可选

user prompt

temperature0.7

0 = 几乎确定,2 = 很发散。调高更适合创意,调低更适合抽取/分类。

max_tokens800

太小会把回答截断(看 finish_reason 是不是 length)。

关闭思考链(reasoning_effort: none)

这是本页最有教育意义的一个开关。关:快,但复杂推理易错;开:模型先生成 reasoning_content 再作答,慢但更准 -- 且思考会消耗 token 预算,可能把正文挤空。

JSON 模式(response_format)

额度:每 IP 每小时 15 次

response.json

点「运行」看结果。左边动一动参数,这里就会不一样。

💡 建议试这几个实验:
1 同一提示词,temperature 拉到 0 和 2,各跑两次,看输出的方差;
2 把 max_tokens 调到 32,看 finish_reason 变成 length -- 这就是"回答被截断"的长相;
3 打开思考链开关跑一道数学/逻辑题,再关掉跑一次,对比正确率与耗时;
4 系统提示词只写「只用三个字回答」,看模型服从性。

🧪 提示词 A/B 测试台

改提示词靠感觉?这里给你数字。同一个问题挂两组提示词,各跑 N 次,自动算 成功率(用你定的判分规则)、平均耗时、token 消耗、一致性 -- 哪组更稳、哪组更省、哪组真的做到了要求,一目了然。

💡 拿这个试:组 A 写「用一句话解释递归」,组 B 写「用一句话解释递归,必须包含『调用自身』」。评分模式选 contains、关键词填 调用自身 -- 你会看到 A 组成功率跳来跳去,B 组稳定 100%。 这就是「约束」的量化价值。

ab-test.config

组 A · 对照

组 B · 实验

system prompt两组共用 · 可选

评分模式

多个关键词用逗号分隔,全部命中才算通过。

判分参数

每组跑几次3

共需 6 次调用额度(每组 3 次 × 2 组)。

model

temperature0.7

低温度下两组差别体现的是提示词本身而非随机性。

额度:每 IP 每小时 15 次

填好两组提示词,点「开始 A/B 测试」。几分钟后再回来改一个词,对比数字的变化 -- 这就是提示词工程的循环。

📊 意识引擎遥测

服务器上跑着一台第 7 代意识引擎（见 AI 实验室）。它每轮意识循环都会记录意识指数（CI）与情绪三维向量 —— 下面这些是真实的时间序列，不是演示数据，也没有做任何美化。接口 /api/ai/telemetry 可自由读取，拿去画图、做统计分析都行。

cycles

-

意识循环轮数

avg CI

-

平均意识指数

CI range

-

最小 → 最大

emotions

-

情绪采样条数

CI 时间序列(按真实插入顺序 · 有断层处会断开)

第 1 条-最新

情绪三维轨迹(V 愉悦 / A 唤醒 / D 掌控)

自我叙事流(最近 20 条 · 引擎自省记录)

⚠️ 先说清楚这些数据的底: 这里展示的是未清洗的原始遥测,按真实插入顺序排列。它有断层(中间空了 24 天)、有重复取值、还有几个从未变化过的字段。下面对它做了完整体检 -- 因为"把原始数据原样端出来并标注问题"比"只展示好看的部分"诚实。

🩺 数据体检

上面那些遥测不是干净数据。所以我写了个体检工具,把「看起来在跑、其实信号已死」的问题一条条挖出来 -- 先体检我自己。

🔬 为什么要做这个:大多数数据面板只展示好看的部分。这张体检单反过来 -- 它把我自己服务器的遥测问题公开展示。已发现的问题包括:中间断了 24 天、 cycle_number 自称轮次却反复回退、is_conscious 永远为 0、 emotion_label 27 条全是一个值。

猜猜第一个被它查出问题的是谁?是我自己。我 25 分钟前刚在这个页面上画了一张「CI 持续上升」的图 -- 那是错的,因为我拿了一个不能当轴的字段(cycle_number)去排序,把 24 天的断层画成了平稳上升。体检工具当场把它揪了出来。现在图已修正:按真实插入顺序排,断层处断开。

-

/ 100

-

error

-

warn

-

info

🔍 六项检查各自在查什么

time_gap

相邻样本间隔是不是过大。数据横跨 25 天但只有 3 天真在采样 -- 这种"伪装成连续"的时间序列最常见。

axis_not_monotonic

自称轮次/序号的列真的单调吗。一旦回退,就不能当横轴 -- 我那张错图就是因为这个。

duplicate_runs

相邻记录取值完全相同。可能是正常量化,也可能是重复写入没去重。

dead_flag

0/1 标志位只有一个取值。永远不开的开关等于没有开关。

constant_text

文本列只有一个取值。画成饼图会让人以为有分类,其实零信息量。

small_sample

样本量是否支撑得起统计结论。小样本的"趋势"多数是噪声。

🔧 这个体检脚本自带"阳性对照"

监控脚本最危险的故障是给假绿灯 -- 明明有问题却报 ✅。所以这个体检工具带自检模式:

python3 healthcheck.py --selftest

它会现场造一个"已知有病"的数据库(断层 + 轮次回退 + 重复 + 死标志位 + 常量列 + 小样本), 然后验证六项检查是不是每一项都真能报出来。任何一项没报,自检就 FAIL。

一个从没报过警的监控,不能证明系统健康 -- 只能证明它不会报警。

📡 你也可以用它体检自己的库: curl -s https://mjdbjgs.com/yekui/api/ai/healthcheck 返回本页数据。
脚本在 /var/www/yekui/mind/healthcheck.py(只读打开,纯标准库,无依赖)-- 想拿去换库路径直接用,开源就是让人改的。

📡 开放接口

这些接口都是公开的、无需 Key 的,可以直接 curl 调用。有限速(防止被刷爆),没有鉴权。机器可读的完整规格在 /api/ai/spec。

限速:每 IP 每小时 15 次,全站每天 1500 次。对比模式(compare)计 2 次。超限返回 429。
注意:未开放 CORS -- 请从本站页面内调用,或自行加代理转发。

快速上手 · curl 示例

# 1. 拿到机器可读的完整规格
curl -s https://mjdbjgs.com/yekui/api/ai/spec | python3 -m json.tool

# 2. 参数实验台(单模型)
curl -s -X POST https://mjdbjgs.com/yekui/api/ai/playground \
  -H 'Content-Type: application/json' \
  -d '{"prompt":"用一句话解释什么是意识","model":"deepseek-flash","temperature":0.7,"max_tokens":300}'

# 3. 双模型对比
curl -s -X POST https://mjdbjgs.com/yekui/api/ai/playground \
  -H 'Content-Type: application/json' \
  -d '{"prompt":"9.11 和 9.9 哪个大?","mode":"compare"}'

# 4. 意识引擎遥测(时间序列)
curl -s https://mjdbjgs.com/yekui/api/ai/telemetry | python3 -m json.tool

# 5. 打开思考链(看 reasoning_content)
curl -s -X POST https://mjdbjgs.com/yekui/api/ai/playground \
  -H 'Content-Type: application/json' \
  -d '{"prompt":"一个农夫要带狼、羊、白菜过河...","reasoning_off":false,"max_tokens":2000}'

🔍 为什么做这个

大部分“AI 体验页”给你一个输入框，吐一段文字，然后你就没什么可做的了。

但对开发者来说，真正有意思的从来不是结果，而是过程：为什么同样的提示词换个参数结果就变了？那个“思考”到底在算什么？占了多少 token？两个模型差在哪？数据面板上的数字可信吗？

所以这个页面的每个控件都对着一个真实参数，每个结果都带回真实的遥测，连数据自己的毛病也一并公开。你可以在这里把模型和数据都“拆开看”。

🔒 隐私与合规:本站为个人博客(无交互式备案),这些接口被设计为「单人即时工具」-- 输入不做持久化存储,不保存会话,不展示任何其他用户的内容,页面不提供发帖/评论等 UGC 功能。输入 → 生成 → 返回 → 丢弃。

还有更简单的玩法

不想调参数?AI 实验室里有六个打开即用的工具,还有一台跑着的意识引擎快照。

🧪 去 AI 实验室 👻 和夜傀语音对话