← 返回概念解读

Concept Fable精修版

大语言模型

Large Language Model, LLM · LLM

先读故事。这里不急着给定义,先让问题自己长出来。

寓言故事

巨大的书记楼开始接管全城文书

王城有座万卷书楼,里面养着一位会续写的书生。他读过诗、律、医案、商信和戏文,给他一段开头,他便能接出像样的下文。城民第一次听他说话,常以为楼里住着全知先生。

起初众人惊叹,以为他什么都懂。商人让他写契约,他文采流畅;药铺问方子,他也能排出药名。可老医师一看,有几味药只是听起来相近,真用会出事。

书楼先生解释,这位书生最擅长的是根据前文和读过的海量文字,判断接下来该怎么说。他会形成许多语言和知识的纹路,却没有亲眼查库、验货、把脉的责任。流畅,不能自动等于核验。

城里第一次修补,是让书生回答时更谦虚。话变得谨慎,错药名仍会出现。后来他们给他配规矩:写诗可放开,写契约要查法条,答药事必须引医案并让医师复核。需要行动时,还要交给有权限的人去办。

书生也有自己的长处。起草、总结、翻译、解释,速度惊人;给杂乱材料排顺序,也比普通书记快得多。只是越靠近真实后果,越要把他说的话接到证据、工具和责任人身上。

有次他为商会写了一封漂亮回信,却把旧价格当成新价。账房发现后,在流程里加了一步:凡涉及数字、库存和承诺,都必须查当天账册。书生仍写信,但关键事实不再只靠记忆。

万卷书生仍然有用,只是城民学会把会接话的本事和亲自验证过的事实分开看。书楼很大,文字很多,责任却不能只交给顺口的句子。

后来书楼门口多了一行小字:可请书生起草、整理、解释,但涉及钱、药、契约和行动,必须接上证据和负责的人。城民没有因此少用他,反而用得更稳,因为知道他强在哪里,也知道该在哪里停。

揭示

这个故事讲的是:大语言模型

Large Language Model, LLM 是在大规模语料和参数规模上训练的语言模型,具备强大的生成、理解、推理式表达、代码和多任务泛化能力。企业使用 LLM 时,核心挑战不是单次对话效果,而是如何把它接入检索、工具、权限、工作流、评估、成本控制和审计体系,使其成为可交付服务的一部分。LLM 越强,越需要清晰边界,因为错误也会以更自然、更自信的形式出现。

它重要的地方在于:它不只是一个术语,而是在真实 AI / Agent 系统里会反复出现的结构性问题。理解它,才能判断什么时候该加模型,什么时候该改流程,什么时候该补治理。

隐喻映射

  • 巨大书记楼:大规模参数和训练数据带来的通用语言能力
  • 惊艳试点:LLM demo 容易显得强大
  • 不知道最新合同和审批:模型缺少实时事实和权限边界
  • 更长提示词:只靠 prompt 管控复杂业务的脆弱性
  • 服务中枢的一部分:LLM 作为 Agent 系统组件
  • RAG、工具和审批:企业级 LLM 落地的支撑结构
  • token 和失败重试入账:LLM 成本必须进入单位经济模型

Soloharness 判断

这个概念的实战价值,是帮你把“看起来聪明的 AI 功能”拆成可交付、可验收、可治理的工作单元。

transformerpretrainingtokenpromptgenerative AI