一、课程信息课程主题大语言模型基础适合对象人工智能零基础学习者预计学习时长2小时学习方式建议先用“根据上下文接着说”的直觉理解大语言模型再逐步理解训练语料、参数、Prompt和幻觉问题二、学习目标学完本课后你应该能够用通俗语言解释什么是大语言模型。理解大语言模型为什么能回答问题、写文章、翻译和写代码。知道语言模型的核心任务是根据上下文预测后续内容。理解训练语料、参数和上下文窗口的基本含义。知道Prompt是什么以及为什么Prompt会影响输出质量。理解大模型的能力边界特别是幻觉问题。能列出大模型回答需要人工核查的典型场景。三、课程导入为什么大语言模型突然这么受关注近几年很多人第一次真正感受到AI的能力是从大语言模型开始的。它们可以回答问题写文章总结资料翻译文本改写文案生成代码解释概念制定学习计划扮演客服、老师、助手等角色这让很多人产生一个疑问它为什么好像什么都会要理解这个问题需要先明确一点大语言模型并不是一个真正无所不知的大脑。更准确地说它是在大量文本数据上训练出来的语言模型能够根据上下文生成看起来合理、连贯、有用的文字。本课会帮助你从零开始理解大语言模型的基本原理和边界。四、什么是大语言模型1. 通俗定义大语言模型英文是 Large Language Model简称 LLM。可以这样理解大语言模型是一种在海量文本数据上训练出来的AI模型能够理解和生成自然语言。它的核心能力是处理语言。例如理解用户的问题根据要求生成回答总结长文本翻译不同语言改写表达方式根据上下文继续写内容2. 为什么叫“大”“大”主要体现在几个方面训练数据规模大模型参数规模大计算资源消耗大能处理的任务范围大生成内容能力强这里的“大”不只是文件大小而是指模型背后包含大量学习到的语言规律和知识关联。3. 为什么叫“语言模型”语言模型的基本目标是学习语言规律。它要学习词语之间如何组合句子如何表达意思上下文如何影响后续内容问题通常如何回答不同风格的文本如何写常见知识如何表达简单说语言模型学习的是“在某个上下文之后接下来最可能出现什么内容”。五、大语言模型的核心任务根据上下文预测后续内容1. 先看一个接话例子请看这句话今天天气很好我想出去你可能会自然地接散步。或者晒太阳。再看这句话人工智能的三大基础是数据、算法和你很可能会接算力。这是因为你根据前文判断了后续最合理的内容。大语言模型也有类似能力。它根据输入上下文预测接下来应该生成什么。2. 大模型不是简单背诵大语言模型不是只会机械复制训练文本。它在大量文本中学习到了很多语言模式和知识关联。例如问答通常如何组织文章结构如何展开代码语法如何排列翻译如何对应总结应该保留哪些信息所以它可以处理很多没完全见过的新问题。3. 预测不是“真正知道”需要注意根据上下文生成合理内容不等于它真正像人一样理解世界。模型生成的内容可能很流畅但仍然可能是错的。例如它可能编造一个不存在的书名、论文、法律条文或数据来源。这就是后面会讲的幻觉问题。六、大语言模型为什么能回答问题1. 它学习了大量问答模式训练数据中包含大量类似问答的文本。例如百科知识教程资料论坛讨论文档说明问答网站代码注释文章和书籍模型从这些文本中学习到问题通常如何表达回答通常如何组织哪些概念之间有关联什么样的回答更连贯2. 它能根据上下文组织回答例如用户问什么是机器学习请用小学生能听懂的话解释。模型不仅要知道“机器学习”相关内容还要注意“用小学生能听懂的话”这个要求。因此它可能会使用更简单的表达和生活类比。这说明大模型不仅看问题本身也会看用户给出的格式、语气、对象和限制条件。3. 它能组合已有规律大模型能够把不同信息组合起来。例如请用做菜的例子解释数据、算法、算力。模型需要把AI概念和做菜类比结合起来。这类能力来自它在大量文本中学到的表达方式和概念关联。七、大语言模型为什么能写文章1. 它学习了文章结构大模型在大量文章中学习了常见结构。例如标题引言分段论点例子过渡总结所以当你要求它写一篇文章时它可以生成结构完整的内容。2. 它能按风格生成你可以要求它通俗易懂正式专业适合小学生适合商务邮件适合短视频口播适合课程讲义不同要求会影响输出风格。例如请用通俗语言解释人工智能。和请用正式学术风格解释人工智能。生成结果会明显不同。3. 它擅长生成初稿大模型很适合帮人生成初稿。例如文章大纲演讲稿邮件草稿学习计划会议总结产品说明但初稿不等于最终稿。事实、逻辑、风格和细节仍需要人工检查。八、大语言模型为什么能写代码1. 代码也是一种语言代码虽然不是自然语言但它也是一种有规则的符号系统。例如PythonJavaScriptJavaGoSQL代码有语法、结构、函数、变量和注释。大模型在大量代码和技术文档上训练后可以学习代码模式。2. 它能生成常见代码结构例如用户说请写一个Python函数判断一个数字是否为偶数。模型可能生成defis_even(number):returnnumber%20因为它学到了很多类似代码结构。3. 写代码仍然需要验证大模型生成代码可能存在问题。例如语法错误逻辑错误边界条件遗漏安全风险性能问题使用过时接口与当前项目不兼容所以AI生成代码后必须阅读、测试和审查。AI可以提高效率但不能替代工程验证。九、训练语料大模型的学习材料1. 什么是训练语料训练语料就是模型学习语言时使用的大量文本数据。可以把它理解成大模型读过的学习材料。训练语料可能包括书籍网页新闻百科论文代码技术文档问答内容对话数据2. 训练语料决定模型学到什么模型从语料中学习语言规律和知识关联。如果训练语料中某类内容很多模型可能更熟悉这类内容。如果某类内容很少模型可能掌握得不稳定。如果语料中存在错误或偏见模型也可能学到错误或偏见。这和前面讲过的“垃圾进垃圾出”一致。3. 训练语料不等于实时知识库大模型训练完成后通常不会自动知道训练之后发生的新事情。例如最新新闻最新政策最新产品价格今天的天气某个公司刚发布的新公告如果模型没有联网、没有接入检索工具或没有更新知识库它可能不知道最新信息。这也是为什么问大模型实时信息时需要谨慎。4. 训练语料不一定可追溯大模型生成回答时通常不是像搜索引擎一样直接返回某个网页。它更多是根据学到的语言规律生成内容。所以它不一定能准确说出某句话来自哪里。如果需要可靠来源应该使用权威资料、搜索、数据库或文档检索系统验证。十、参数模型内部保存规律的方式1. 什么是参数参数可以理解为模型内部保存学习结果的数字。训练模型的过程就是不断调整这些数字让模型更擅长预测和生成。对初学者来说不需要理解复杂数学。先记住参数是模型内部用来保存语言规律和知识关联的数字。2. 参数像什么可以把参数类比为一个学生长期学习后形成的经验。学生看过很多题目后脑子里会形成某些解题习惯和知识结构。大模型看过大量文本后参数中也保存了大量语言模式。当然这只是类比。模型参数不是人类记忆也不是数据库记录。3. 参数多就一定好吗不一定。参数更多通常意味着模型有更强表达能力但也会带来训练成本更高使用成本更高响应速度可能更慢部署更复杂仍然可能出错实际应用中不一定总要使用最大的模型。要根据任务难度、成本、速度和可靠性选择合适模型。十一、上下文窗口模型一次能看多少内容1. 什么是上下文上下文是模型当前能参考的信息。例如一次对话中模型会参考用户当前问题前面的对话内容系统给出的要求用户提供的资料已经生成的部分内容2. 什么是上下文窗口上下文窗口可以理解为模型一次能“看见”和处理的内容范围。如果内容太长超过模型上下文窗口模型可能无法完整参考所有内容。3. 上下文不足会带来什么问题如果上下文不足模型可能忘记前面要求忽略关键限制总结长文时遗漏细节对话中前后不一致误解代词指代例如用户说请按刚才那个格式继续。如果模型已经无法看到“刚才那个格式”就可能续写错误。4. 如何改善上下文问题使用大模型时可以把关键要求重新说明分段处理长文档让模型先总结再继续明确输出格式对重要内容反复确认十二、Prompt给模型的指令1. 什么是PromptPrompt可以理解为你给大模型的输入指令。它可以是一句话也可以是一段完整任务说明。例如请用通俗语言解释什么是人工智能。这就是一个Prompt。2. Prompt为什么重要大模型会根据Prompt来理解任务。Prompt越清楚模型越容易生成符合需求的结果。Prompt模糊时模型只能猜你的意图。例如帮我写一下。这个指令太模糊。模型不知道写什么写给谁写多长用什么风格输出什么格式有哪些限制3. 一个好的Prompt通常包含什么一个较好的Prompt通常包含角色让模型以什么身份回答任务要完成什么背景相关上下文是什么受众写给谁看格式输出成列表、表格还是段落约束字数、风格、不能包含什么标准什么样的结果算好4. Prompt示例模糊Prompt帮我写学习计划。清晰Prompt请为一名人工智能零基础学习者制定7天入门学习计划。 要求 1. 每天学习1小时。 2. 每天包含学习主题、学习目标和练习任务。 3. 语言通俗易懂。 4. 输出为Markdown表格。第二个Prompt更容易得到可用结果。十三、模糊Prompt和清晰Prompt的对比1. 模糊Prompt的问题模糊Prompt介绍一下大模型。模型可能不知道介绍给谁要多详细是否需要案例是否要避免术语是否要输出大纲是否要强调风险所以结果可能泛泛而谈。2. 清晰Prompt的优势清晰Prompt请面向AI零基础学习者用通俗语言介绍大语言模型。 内容包括定义、工作原理直觉、常见能力、局限和使用建议。 要求每部分不超过150字并使用生活案例解释。这个Prompt告诉模型面向谁用什么语言风格包含哪些内容每部分多长是否需要案例输出质量通常会更稳定。3. Prompt不是魔法Prompt很重要但不是万能。即使Prompt写得很好模型仍可能回答错误编造事实忽略部分要求对专业问题理解不准生成不符合实际的建议所以Prompt能提升结果质量但不能消除所有风险。十四、大语言模型的常见能力1. 问答大模型可以回答各种问题。例如什么是深度学习如何制定学习计划这段代码是什么意思如何准备一次面试但回答需要核查尤其是专业和实时信息。2. 总结大模型可以把长内容压缩成重点。例如会议纪要文章摘要课程笔记报告重点需要注意总结可能遗漏关键条件。3. 改写大模型可以调整表达方式。例如改得更正式改得更口语改得更简洁改得更适合小白4. 翻译大模型可以完成多语言翻译。但合同、法律、医学等重要文本仍需要人工校对。5. 写作大模型可以辅助生成文案邮件文章讲稿方案标题它适合生成初稿但最终内容仍要人工判断。6. 代码辅助大模型可以解释代码生成代码片段提供调试思路写注释生成测试思路但代码必须运行、测试和审查。7. 角色扮演和对话大模型可以模拟不同角色的表达方式。例如面试官老师客服产品经理学习伙伴但它的角色扮演只是语言模拟不代表真实身份和专业资质。十五、大语言模型的局限1. 可能产生幻觉幻觉是大模型最重要的局限之一。它指的是模型生成了看似合理、语气自信但实际错误或不存在的内容。例如编造不存在的书籍编造论文标题编造法律条文编造数据来源给出错误医学建议写出不能运行的代码2. 可能不了解最新信息如果模型没有联网或没有更新知识它可能不知道最新信息。例如最新政策最新价格最新版本API今天发生的新闻公司刚发布的公告3. 可能忽略上下文如果对话很长模型可能遗漏前面的要求。如果用户问题不清楚模型可能误解任务。4. 可能存在偏见模型从大量文本中学习。如果训练数据中存在偏见模型输出也可能体现偏见。5. 可能不具备真实专业责任大模型可以生成医疗、法律、金融等领域文字。但它不承担专业责任也不能替代专业人员判断。6. 可能缺少真实世界经验模型可以描述很多事情但它并不真正亲身经历现实世界。它的回答来自训练数据和上下文生成不等于真实观察和验证。十六、什么是幻觉问题1. 幻觉的通俗解释幻觉不是说模型真的“看见幻象”。它是指模型生成了不可靠内容。例如你问请列出某某教授2025年发表的三篇论文。如果模型不知道真实答案它可能仍然生成三个看起来很像论文标题的内容。这就是幻觉。2. 为什么会有幻觉大模型的目标是生成上下文中看起来合理的内容。当它缺少可靠信息时仍可能根据语言模式补全答案。通俗理解它擅长“接着说”但不总是知道自己说得对不对。3. 幻觉为什么危险因为幻觉内容往往看起来很可信。它可能语气自信结构完整表达流畅看起来专业甚至带有伪造来源这会让用户误以为内容可靠。4. 如何减少幻觉影响可以采取要求模型说明不确定性要求引用来源使用权威资料核查对实时信息进行搜索验证对专业建议咨询专业人员让模型基于给定材料回答不让模型编造未知信息例如Prompt可以写如果资料中没有答案请直接说“不确定”不要编造。十七、哪些场景必须人工核查大模型输出在很多场景中都需要核查。尤其是以下场景。1. 医疗健康例如疾病诊断用药建议检查报告解读治疗方案这些内容必须咨询医生或专业机构。2. 法律合规例如合同条款解释法律责任判断诉讼策略政策合规建议法律问题需要专业律师或合规人员确认。3. 金融投资例如股票买卖建议投资组合建议贷款风险判断税务规划金融决策涉及风险不能只听AI回答。4. 实时信息例如今天的天气当前价格最新新闻最新政策最新版本文档如果模型没有实时数据源回答可能过时。5. 学术引用例如论文引用作者信息出版年份研究结论模型可能编造引用因此必须查原文。6. 代码和系统操作例如删除文件命令数据库操作生产环境部署安全配置金融交易脚本代码和命令必须理解后再执行。7. 重要工作文档例如合同报告公告客户邮件对外声明AI可以辅助起草但不能直接无审核发布。十八、大模型和搜索引擎有什么不同1. 搜索引擎更像找资料搜索引擎根据关键词或语义在网页中查找相关结果。它通常返回网页链接摘要来源发布时间你需要自己阅读和判断。2. 大模型更像生成回答大模型根据上下文直接生成一段回答。它通常更方便但也更容易让人忽视来源核查。3. 简单对比对比项搜索引擎大语言模型主要功能查找资料生成回答输出形式链接和摘要连贯文本来源可见性通常可见不一定可见实时性通常较强取决于是否联网或接入工具风险信息太多需要筛选回答流畅但可能编造4. 更好的使用方式搜索引擎和大模型可以配合使用。例如用搜索引擎找权威资料。把资料提供给大模型总结。人工核查总结是否准确。十九、大模型和普通聊天机器人有什么不同1. 传统聊天机器人传统聊天机器人常依赖预设规则或固定问答库。例如如果用户问“怎么退款”就返回退款流程。这种系统在固定场景中稳定但灵活性有限。2. 大语言模型大语言模型可以理解更开放的问题并生成更自然的回答。例如用户可以问我买的东西还没到而且明天要送人怎么办大模型可以理解用户焦虑、物流问题和送礼场景然后组织更自然的回复。3. 但大模型也需要约束大模型太灵活也可能带来风险。企业使用大模型做客服时通常需要接入知识库限制回答范围设置转人工条件记录和监控回答质量避免编造政策二十、大模型的典型使用方式1. 直接对话用户直接提问模型直接回答。适合概念解释写作辅助学习辅导简单问答2. 基于资料回答用户提供一段资料让模型基于资料回答。适合文档总结合同要点提取会议记录整理学习资料问答建议明确要求请只根据我提供的资料回答资料中没有的信息请说明“不确定”。3. 接入知识库企业常把大模型和内部知识库结合。例如客服知识库产品文档公司制度技术文档课程资料模型先检索相关内容再生成回答。这样可以减少幻觉提高可追溯性。4. 接入工具大模型还可以调用工具。例如搜索计算器数据库日历文件系统代码执行环境这让大模型不仅能说还能做一部分操作。但工具调用涉及权限和安全需要严格控制。二十一、如何写出更好的Prompt1. 明确角色例如请你作为一名AI入门课程老师...角色可以帮助模型选择合适表达方式。2. 明确任务例如请解释什么是大语言模型。不要让模型猜任务。3. 明确受众例如面向完全没有技术背景的学习者。受众不同解释深度和术语使用不同。4. 明确格式例如请用Markdown表格输出。或请分为定义、例子、风险三部分。5. 明确约束例如避免复杂数学公式。 每个例子不超过100字。 如果不确定请说明不确定。6. 提供背景例如这是给公司内部非技术同事看的培训材料。背景能帮助模型调整内容重点。二十二、Prompt模板下面是一个通用Prompt模板。请你作为【角色】 面向【目标读者】 完成【具体任务】。 背景信息 【补充背景】 输出要求 1. 【格式要求】 2. 【长度要求】 3. 【风格要求】 4. 【限制条件】 如果信息不足请说明缺少什么不要编造。示例学习计划Prompt请你作为一名AI入门课程老师 面向人工智能零基础学习者 制定一份7天AI入门学习计划。 背景信息 学习者每天只有1小时目标是理解AI基础概念不需要写代码。 输出要求 1. 用Markdown表格输出。 2. 每天包含学习主题、学习目标和练习任务。 3. 语言通俗易懂。 4. 不使用复杂数学公式。 如果某些安排需要前置知识请额外说明。二十三、案例一用大模型解释概念1. 模糊Prompt解释一下机器学习。可能问题不知道面向谁不知道讲多深不知道是否需要例子不知道是否要避免术语2. 清晰Prompt请面向AI零基础学习者用生活案例解释什么是机器学习。 要求 1. 不使用复杂数学公式。 2. 用“教小朋友识别苹果”的例子说明。 3. 最后用3句话总结重点。3. 为什么更好它明确了受众表达方式案例输出结构限制条件二十四、案例二用大模型总结资料1. 不推荐的Prompt总结一下。问题是模型不知道总结多长保留哪些信息给谁看输出什么格式是否要提取待办事项2. 推荐的Prompt请总结下面的会议记录。 要求 1. 输出三部分会议结论、待办事项、风险点。 2. 待办事项包含负责人和截止时间如果原文没有请写“未提及”。 3. 不要添加原文没有的信息。 4. 用简洁中文输出。3. 为什么要强调“不添加原文没有的信息”因为大模型可能根据常见会议模式补充内容。明确约束可以降低编造风险。二十五、案例三用大模型辅助写代码1. 可以这样提问请用Python写一个函数输入一个字符串列表返回其中长度最长的字符串。 要求 1. 如果列表为空返回None。 2. 添加简短中文注释。 3. 给出2个测试示例。2. 为什么这个Prompt较好它说明了编程语言输入是什么输出是什么边界条件注释要求测试示例3. 代码仍要验证AI生成代码后要检查是否能运行边界条件是否处理是否符合项目规范是否存在安全问题性能是否可接受二十六、初学者常见误区误区1大模型回答流畅就一定正确不对。流畅只说明语言生成自然不代表事实可靠。误区2大模型什么都知道不对。它可能不知道最新信息也可能对专业知识回答错误。误区3Prompt写好就不会出错不对。Prompt能提升质量但不能完全消除幻觉和误解。误区4大模型等于搜索引擎不对。搜索引擎主要查资料大模型主要生成回答。误区5大模型可以替代所有专业人员不对。它可以辅助专业人员提高效率但不能承担专业责任。误区6模型越大越适合所有任务不对。简单任务可能用小模型、规则或传统系统更合适。二十七、课堂活动比较模糊Prompt和清晰Prompt活动目标理解Prompt清晰程度如何影响大模型输出。活动任务请为下面任务分别写一个模糊Prompt和一个清晰Prompt。任务让AI帮你制定一周AI入门学习计划。填写模板类型Prompt模糊Prompt清晰Prompt清晰Prompt应包含学习对象学习时长学习目标输出格式每天内容练习要求语言风格二十八、课堂活动识别幻觉风险活动目标理解哪些问题容易引发大模型幻觉。活动任务请判断下面问题是否需要人工核查并说明原因。问题是否需要核查原因请解释什么是监督学习请列出某公司今天最新股价请给我推荐治疗头痛的药请总结我提供的这段文章请列出某教授2025年发表的论文请写一个简单的周计划模板请解释这段代码可能有什么安全风险判断提示以下情况通常需要核查实时信息医疗健康法律金融学术引用重要代码对外发布内容二十九、课堂活动改写Prompt活动目标练习把模糊需求改写成清晰Prompt。活动任务请把下面模糊Prompt改写成更清晰的版本。帮我写个总结。你可以补充总结对象输出结构字数限制重点内容是否允许扩展语言风格示例答案请总结下面这段课程讲义。 要求 1. 输出为三部分核心概念、重要例子、课后复习重点。 2. 每部分不超过5条。 3. 面向AI零基础学习者语言通俗易懂。 4. 只基于原文总结不添加原文没有的信息。三十、本课小结本课我们学习了大语言模型的基础知识。需要重点记住大语言模型简称LLM是在大量文本数据上训练出来的语言模型。它的核心任务是根据上下文预测和生成后续内容。大模型能回答问题、写文章、翻译和写代码是因为它学习了大量语言模式和知识关联。训练语料是大模型的学习材料但不等于实时知识库。参数是模型内部保存学习结果的数字。上下文窗口决定模型一次能参考多少内容。Prompt是给模型的指令清晰Prompt通常能得到更稳定的输出。大模型可能产生幻觉即生成看似合理但实际错误的内容。医疗、法律、金融、实时信息、学术引用和代码等场景必须人工核查。大模型适合辅助人提高效率但不能替代人的最终判断。三十一、课后练习练习1解释大语言模型请用自己的话回答什么是大语言模型为什么说大语言模型的核心任务是根据上下文预测后续内容大语言模型为什么可以回答问题和写文章练习2比较模糊Prompt和清晰Prompt请分别写一个模糊Prompt和清晰Prompt。任务让AI帮你制定一周学习计划。类型我的Prompt模糊Prompt清晰Prompt练习3判断是否需要核查请判断下面场景是否需要人工核查。场景是否需要核查原因AI解释什么是机器学习AI提供最新政策解读AI生成一份合同条款AI总结你提供的文章AI推荐用药方案AI生成一段代码AI写一段生日祝福练习4识别幻觉风险请回答什么是大模型幻觉为什么幻觉内容有时更危险如何降低幻觉带来的影响哪些场景最不能直接相信AI输出练习5设计一个高质量Prompt请设计一个Prompt让AI帮你解释“深度学习”。要求包含目标读者解释风格内容范围生活案例输出格式不确定时如何处理三十二、参考答案与提示练习1参考提示大语言模型是在大量文本上训练出来的AI模型能够根据上下文生成自然语言。它的核心任务可以理解为“接着说”根据前面的内容预测后面更可能出现什么。它能回答问题和写文章是因为它从训练语料中学习了大量问答模式、文章结构、语言表达和知识关联。练习2参考示例类型示例Prompt模糊Prompt帮我写个学习计划清晰Prompt请为一名AI零基础学习者制定7天学习计划。每天学习1小时内容包括学习主题、学习目标和练习任务。语言通俗易懂输出为Markdown表格。练习3参考答案场景是否需要核查原因AI解释什么是机器学习建议核查基础概念风险较低但仍可对照教材AI提供最新政策解读必须核查涉及实时信息和政策准确性AI生成一份合同条款必须核查涉及法律责任AI总结你提供的文章建议核查可能遗漏或误解原文AI推荐用药方案必须核查涉及医疗健康AI生成一段代码必须核查可能有逻辑、安全或兼容问题AI写一段生日祝福通常不需要严格核查低风险创作场景练习4参考提示大模型幻觉是指模型生成看似合理但实际错误或不存在的内容。它危险是因为表达流畅、自信容易让人误信。降低影响的方法包括要求模型说明不确定性基于给定资料回答核查权威来源不让模型编造引用重要场景请专业人员确认最不能直接相信的场景包括医疗、法律、金融、实时信息、学术引用、代码和高风险决策。练习5参考示例请面向人工智能零基础学习者用通俗语言解释“深度学习”。 要求 1. 先给出一句话定义。 2. 用“多级流水线加工”的生活案例解释。 3. 说明它为什么适合处理图片、语音和文本。 4. 列出2个优势和2个局限。 5. 输出为Markdown格式。 6. 不使用复杂数学公式。 7. 如果涉及不确定内容请明确说明不要编造。三十三、下一课预告下一课我们将学习生成式AI的能力边界你将了解生成式AI能做什么生成式AI不能做什么文本生成、图像生成、代码生成有哪些典型场景内容创作和知识问答有什么区别如何更理性地使用AI工具如果说本课帮助你理解大语言模型的基础原理那么下一课会进一步帮助你建立负责任使用生成式AI的判断力。