01 · 大模型是什麼
大模型（LLM，Large Language Model）是一個讀過海量資料的引擎，本事只有一個：根據你給的輸入，預測下一個字最可能是什麼。寫方案、改程式碼、整理紀要，全都是這一件事反覆做出來的。
它幹活的樣子
你給它一段話，它一個字一個字地往下接，接到該停的時候停下：
關鍵在於中間那一步不是查詢。它沒有一個"會議紀要模板庫"去檢索，也沒開啟你的硬碟。它是在幾千億個參數裡算：見過那麼多文本之後，跟在這段話後面最合理的下一個字是什麼。算完一個，把它接上，再算下一個。
這聽起來太簡單了，簡單到不像能寫出一份能用的方案。但事實是：當"預測下一個字"這件事做得足夠準、見過的文本足夠多，寫作、翻譯、推理、寫程式碼這些能力就一併出來了。為什麼會這樣，學界到現在也沒完全講清楚。你不需要理解它，你需要記住它——因為它帶來的所有好處和所有毛病，都從這一句話來。
三個必須知道的特點
| 特點 | 意思 | 後果 |
|---|---|---|
| 很能幹 | 讀過海量公開資料，能讀能寫，各行各業都懂一點 | 你可以直接派活，不用教它中文和常識 |
| 不認識你 | 不知道你公司的文件、客戶、內部規矩、上週開的會 | 該給的背景每次都得自己給 |
| 自己啥也做不了 | 光靠模型本身不能聯網、不能讀你的檔案、不能動手——只會"說" | 想讓它幹實事，得額外給它接工具（後面 09 · 全景地圖 講） |
第三條最容易搞混，因為你在 ChatGPT 裡明明看見它聯網搜過。那是產品幫它接上了搜尋工具，不是模型本身會上網。模型是引擎，產品是整輛車。分清楚這一層，後面 Agent、MCP 那些詞才不會糊成一團。
它不是什麼
不是搜尋引擎。 搜尋引擎返回的是真實存在的網頁，它返回的是算出來的一段話。兩者可能都對，來源完全不同。
不是資料庫。 你訓練時喂進去的東西不是原樣存著的，是被揉進參數裡的。所以它複述細節的時候可能走樣——這是原理決定的，不是 bug。
不是有記憶的助理。 每一次對話它都是從頭讀一遍上下文。所謂"它記得我"，是產品把歷史又發了一遍給它。見 04 · 上下文視窗。
不是穩定的。 同一個問題問兩遍，答案可能不一樣。它在候選字裡帶著隨機性挑，不是每次都選機率最高那個（這個隨機程度就是「Temperature」）。
於是有了那個著名的副作用
既然是"預測"不是"查證"，那當它不知道的時候，它也不會停——它會繼續預測出一段讀起來非常合理、但完全是編的內容。這叫幻觉，是 05 的主題，也是這本書裡唯一一個我會反覆提醒你的東西。
常見的大模型有哪些
| 陣營 | 常見的幾家 |
|---|---|
| 國外 | GPT（OpenAI）· Claude（Anthropic）· Gemini（Google）· Llama（Meta，開源） |
| 國內 | DeepSeek · 豆包（位元組）· 通義千問（阿里）· Kimi（月之暗面）· 文心（百度）· 智譜 |
具體哪家現在最強，這個月和下個月的答案可能就不一樣，本書不排名。真正影響你結果的是你怎麼交代任務，而不是你選了哪一家——這句話在你親手做完 08 · 第一個任務 之後會更有體感。
每家分別是誰、以什麼見長，以及文本 / 多模態 / 語音這些類別各自解決什麼問題，見模型篇。選型的判斷維度在 10 · 選模型、選工具。
記住這一句就夠
它是一臺預測下一個字的機器。很能幹，但不認識你，也沒法自己動手。
下一步
02 · 心智模型：把它當成剛入職的天才新人 —— 把上面這三個特點換成一個你帶過的人，後面所有東西都能掛上去。