AI 与大模型 · 入门
LLM(大语言模型)
Large Language Model
读过海量文字之后学会“接下一句”的超大程序。你输入的任何一句话,它都在猜后面最可能出现什么,写作、翻译、答题都是这一件事的不同用法。
TL;DR三十秒版本
- 一个读过海量文字、学会了“接下来该写什么”的程序。
- 写作、翻译、答题看着是三件事,对它来说都是同一件事:往下猜字。
- 它猜得流畅,猜错了也照样流畅,所以事实和数字要另找人核。
Overview详细说说
大语言模型是一个被喂了海量书籍、网页和代码的程序。它做的事其实很朴素:看前面一串文字,猜后面最该接什么。你给它“今天天气真”,它会算出接“好”的概率最高。你在 AI 里看到的写作、翻译、答题,本质都是这样一遍遍往下猜。
这招之所以管用,是因为语言里装着人类的大部分知识。学会接下句这条规律之后,它顺带学到了语法、常识,甚至写代码的套路。规模大到一定程度,就冒出了写文章、做推理这些没人专门教过的本事。
市面上常见的模型,比如 GPT、Claude、Gemini、DeepSeek,都是大语言模型,只是出自不同公司,训练方式和擅长的方向不一样。你在 AI 工具里敲进去的每一句话,都是先交给这类模型,再由它生成回复。
它不是数据库,没有把答案原样存起来,所以会一本正经地编出不实的内容,这就是常说的幻觉。它本身也不联网,就算你用的工具接了搜索功能,那部分新内容也是别人额外拼上去的,不是模型自带的。
还有一个直觉上的误区:它并不真的“理解”你在说什么,只是把词语之间该怎么搭配这件事学得很像。所以它说得越流畅,你越要留意事实部分是不是靠得住。
Myths常见误解
- ✕以为它是在资料库里查答案 ✓它不查任何东西,只是按概率往下接字,所以能编出不存在的来源
- ✕以为答不上来时它会说不知道 ✓它没有“我不知道”这个开关,照样给你一个像样的答案
In practice你会在哪用到它
- 让它把一段绕口的话改成大白话,或者反过来写成正式书面语
- 把散乱的材料丢给它,让它整理成一份能交出去的文档
- 看不懂一段代码或一份合同条款时,让它逐句解释
Summary记住这几点就够了
- 你输入的每句话它都逐字往下猜
- 规模够大后自己学会了写文章、写代码
- 它的本质是生成文字,不是查数据库
- 因此它会一本正经地编造不实内容
常见问题
LLM(大语言模型)是什么意思?
一个读过海量文字、学会了“接下来该写什么”的程序。写作、翻译、答题看着是三件事,对它来说都是同一件事:往下猜字。它猜得流畅,猜错了也照样流畅,所以事实和数字要另找人核。
LLM(大语言模型)一般用在什么地方?
让它把一段绕口的话改成大白话,或者反过来写成正式书面语;把散乱的材料丢给它,让它整理成一份能交出去的文档;看不懂一段代码或一份合同条款时,让它逐句解释。
关于LLM(大语言模型),最容易搞错的是什么?
以为它是在资料库里查答案,其实它不查任何东西,只是按概率往下接字,所以能编出不存在的来源;以为答不上来时它会说不知道,其实它没有“我不知道”这个开关,照样给你一个像样的答案。
LLM(大语言模型)要记住哪几点?
你输入的每句话它都逐字往下猜;规模够大后自己学会了写文章、写代码;它的本质是生成文字,不是查数据库;因此它会一本正经地编造不实内容。
容易踩的坑 它写得流畅不代表说得对,事实和数字最好再找来源核一遍。
全站第 2 / 186 条 · 全部词条
接着读Related reading
智能体(Agent)
一种能自己定目标、拆步骤、调用工具去完成任务的 AI 程序。你交给它一件事,它自己安排怎么做,而不是你问一句它才答一句。
嵌入(Embedding)
把一段文字换算成一串数字,让电脑能比较哪两句话意思更接近。搜索和知识库能在换了说法时也找对答案,靠的就是它。
Claude(大语言模型)
Anthropic 公司开发的大语言模型,以长文档理解和写作、写代码见长。它既是网页和手机里的聊天助手,也有专门的编程形态。
提示词(Prompt)
你发给 AI 的那段话,也就是给它的指令或提问。这一段写得好不好,直接决定它给你的答案对不对路。
MCP(模型上下文协议)
一套让 AI 能统一接上外部工具和数据的接口标准。工具按它做一次,各种 AI 助手就能直接调用,省得给每个工具单独写对接代码。
工作流(Workflow)
把一件事拆成固定的几步,按顺序自动跑完。流程定好之后,下次一句话就能重跑一遍,不用每次从头手动做。