Playground 提供可视化界面，用于配置并运行模型实验。支持针对异构模型进行提示词编排、推理参数调优及多分支 A/B 测试，运行后查看逐条输入输出与评估结果。
进入 Playground
您可以从以下三个入口进入调试环境：
从实验计划进入：在实验计划列表操作列点击 编辑，将在 Playground 中打开该计划，并加载该计划的配置。
从实验记录进入：在实验记录列表点击 查看详情 或 重新执行，将在 Playground 中打开该次实验，并加载该次实验的配置与结果；选择「重新执行」时，系统会自动触发一次运行。
直接进入：从导航进入 Playground 页面，默认展示一组空白实验配置，可手动添加多组并选择数据源。
实验配置
Playground 支持同时构建最多 5 组实验分支，用于对比不同模型或不同提示词策略的效果。
顶部操作区：返回实验计划/实验记录、折叠/展开配置区、导入实验计划、保存/另存为实验计划、运行/暂停。
配置区：实验名称、模型、角色与提示词、模型参数；支持多组实验分支配置、复制、删除。
结果表格区：数据源与评估器选择、展示字段、数据行列表，以及每行的运行状态、输出、评估结果等。
当从实验计划或实验记录进入时，顶部会展示计划名称、ID、创建时间与描述（若有）。
配置区说明
基础配置
配置项 | 说明 |
实验名称 | 默认为字母索引（如 A、B、C），支持自定义重命名（如“基础版本”、“长文本优化版”）。 |
模型 | 必选。
|
角色与提示词 |
|
模型参数
在「模型参数配置」中，您可以针对各实验分支微调推理策略（部分模型可能仅支持其中部分参数）：
参数 | 说明 | 取值范围/说明 |
Temperature（温度） | 控制输出的随机性，值越高，生成的文本越具创造性；值越低，输出越稳定。 | 0～2 |
Top-P（核采样） | 核采样阈值，模型仅从累积概率超过 P 的词集合中采样，平衡多样性与逻辑性。 | 0～1 |
Max Tokens（最大生成长度） | 限制模型单次输出的最大长度。 | 1～32000 |
Stop Sequences（停止序列） | 停止序列，模型探测到指定字符时立即中断生成，每行一个序列。 | 如： |
Frequency Penalty（频率惩罚） | 频率惩罚，降低模型重复使用同一词汇的概率。 | -2.0～2.0 |
Presence Penalty（存在惩罚） | 存在惩罚，鼓励模型讨论新主题，增加输出的信息量。 | -2.0～2.0 |
Top-K（候选词数量） | 限制候选词范围。 | 1～100 |
数据驱动与自动化评测
数据集联动
数据集关联：在结果区选择目标数据集。系统将根据数据集字段自动映射 Prompt 中的变量。
样本抽样执行：支持选择“全部数据”运行全量回测，或勾选“部分数据”进行快速抽样验证。
评估器接入
实时评测：在结果区勾选所需的评估器。任务运行完成后，系统将自动触发评估流程，并将量化得分及评分依据实时反馈至结果表格中。
推理执行与结果洞察
执行控制：单击 运行 启动实验任务；过程中支持 暂停 以中断后续队列请求。
结果视图：
结果表格：同步展示原始输入字段、各实验分支的生成输出（Output）及对应的评估分值。
单行调试：支持针对特定 Bad Case 进行 重新运行 或 全屏深度比对。
字段管理：通过穿梭框自定义表格展示字段，隐藏非关键元数据。
实验资产管理
Playground 与实验计划深度联动，确保调试成果的沉淀与复用。
配置导入：单击顶部的 导入实验计划，可搜索并加载现有计划的配置，实现快速环境对齐。
资产固化：
保存：将当前 Playground 的所有修改（含模型参数、Prompt 模板）同步更新至关联的实验计划。
另存为：将当前优秀的配置组合保存为一个全新的实验计划，以便后续开展大规模自动化实验。