《大模型原理通俗讲》系列 00|开篇 大模型到底是怎么回事

00|开篇:先看地图,大模型到底是怎么回事

《大模型原理通俗讲》系列开篇,共 16 篇,免费。不需要数学基础,会用大模型聊天就能读。

你每天可能都在用大模型:问问题、写文案、改代码。

但用得越多,疑问也越多:

  • 同一个问题,为什么每次问,答案都不一样?
  • 它为什么能一本正经地胡说八道,还说得头头是道?
  • 提示词为什么有用?"请一步一步想"这几个字,到底改变了什么?
  • 它到底懂不懂自己在说什么?

网上讲大模型的文章很多,但常见的两种写法都不太让人满意:一种只讲"它很神奇",读完什么也没明白;另一种上来就是公式和论文,读到第三段就放弃了。

这个系列想走中间这条路:把原理讲明白,但不用公式吓人。


一、这个系列承诺什么,不承诺什么

承诺:

  1. 读完你能用自己的话讲明白:大模型每次回答是怎么产生的,它为什么会出错,该用提示词、RAG 还是微调。
  2. 每篇只讲一个概念。 一篇文章读完,你就多懂一件事,不会多出一堆记不住的词。
  3. 每个比喻,都告诉你它在哪里不准。 比喻能帮你建立直觉,但讲过头会误导人,所以每次我都会指出"这个比喻到这儿为止"。
  4. 能跑的代码都跑过。 文章里的代码和输出,是我实际运行得到的,不是凭感觉写的。
  5. 示意的数据会标明是示意。 比如概率表里的数字,只是帮你看懂结构,不是某个真实模型的输出。

不承诺:

  • 不教你训练一个大模型,也不推导公式、不讲论文细节。
  • 不评测、不排名具体的模型,也不写价格,这些东西几个月就过时了。
  • 不讲图像、语音等其他类型的模型。本系列讲的是生成文字的大模型(目前主流的那一类)。
  • 各家公司没公开的细节,我不会编。不确定的地方会写"目前多数""通常",或者直接说"不确定"。

二、一张图看全貌

先别急着看细节。把整个系列压成一张图:

这张图分三层,对应三类问题:

  • 用的时候(上): 你的文字被切成小块(Token)、变成数字(词向量)、交给 Transformer 算出下一个词的概率,再按概率抽一个词,接到末尾,循环往复。这是第 01 篇的主线,后面 02--07 篇是把这条流水线上的每个零件拆开讲。
  • 练的时候(中): Transformer 里那些数字不是凭空来的,是练出来的。先读海量文字练接龙(预训练),再学会听话(微调与对齐),这件事为什么这么贵。第 08--10 篇讲。
  • 用好它(下): 知道了它怎么工作、怎么练出来,就能解释它为什么会胡说,提示词、RAG、微调各自改的是什么,最后自己动手跑一个小模型。第 11--16 篇讲。

如果只能记住一句话,请记住这句:

大模型每次只做一件事:读完已有的文字,给下一个词打分,按分数抽一个,接上去,再来一遍。

后面 15 篇,都是在回答这句话里的某一个词。


三、16 篇一览

篇 标题 读完你能回答
01 大模型到底在干什么:一个超强的"文字接龙"程序 为什么说它就是在预测下一个词?和输入法联想有什么不同
02 Token 是什么:大模型眼里的文字不是"字" 它为什么有时会数错字母?按 token 计费是什么意思
03 词向量通俗讲:文字怎么变成能算的数字 "国王"和"王后"为什么在数字上"靠得近"
04 注意力机制通俗讲:它怎么知道"它"指的是谁 读一句话时,模型怎么决定关注哪些词
05 多头注意力和位置编码:同时看几个角度,还要知道顺序 为什么要多个"头"?它怎么知道词的先后顺序
06 Transformer 结构一张图看懂:零件怎么拼成大模型 一个 Transformer 块里有什么,怎么叠起来
07 大模型怎么一个字一个字写出来:概率、采样与 temperature 同一个问题为什么答案每次不同
08 预训练是什么:它是怎么"读书"的 模型的知识从哪来,"学习"在技术上是什么
09 微调与对齐:从会接龙到会聊天 为什么预训练完还不能直接当助手用
10 参数、算力与成本:为什么大模型这么贵 "70B"是什么意思,为什么要一堆 GPU
11 大模型为什么会胡说:幻觉的来源 它为什么会一本正经地编造,怎么降低风险
12 上下文窗口与提示词:它为什么会"忘事",提示词为什么有用 对话太长为什么丢信息,提示词到底改变了什么
13 RAG 通俗讲:给大模型外接一本书 怎么让它回答它没学过的资料
14 微调、LoRA 与怎么选:提示词、RAG、微调该用哪个 我的问题该用哪种办法
15 动手:在自己电脑上跑一个小模型 前面讲的东西,怎么在自己机器上看一遍
16 从大模型到 Agent:下一步学什么 大模型和 Agent 的区别,之后怎么学

标题和顺序后面可能会微调,以每篇文章为准。


四、怎么读:三条路线

不是每个人都需要读完 16 篇。按你的目的,可以选着读:

  • 路线一,只想听懂: 7 篇,不写代码,把原理听明白。
  • 路线二,想用好 AI: 7 篇,重点在提示词、RAG、怎么选、怎么避开幻觉。
  • 路线三,想动手: 10 篇带代码,需要会运行 Python。

三条路线都从第 01 篇开始。它建立了全系列最重要的直觉,后面的内容都是在它上面一层层加的。

按顺序从头读完,当然最完整:前面的概念会用在后面,后面的文章不会往回引没讲过的词。如果某篇确实要提前用到后面的词,我会先用一句话解释,再注明"第 N 篇详细讲"。


五、每一篇是怎么写的

每篇文章都按同样的结构,方便你预期、也方便回头查:

  1. 开头一个具体问题,告诉你读完能回答什么;
  2. 一个生活比喻建立直觉,只用一个主比喻;
  3. 一张核心图,图里的文字尽量少;
  4. 把比喻对应到真实机制,并说明比喻哪里不准;
  5. 十几到二十行可运行的代码(有的篇没有,不硬凑);
  6. 常见误解,列 2--3 条;
  7. 本篇要点 3 条,加下一篇预告和系列目录。

文章里反复出现的几个例子,你会越来越熟:"法国的首都是哪里"(事实)、"小明丢了钱包,今天他很......"(要看很前面的线索)。同一个例子贯穿始终,比每篇换一个新例子更容易记住。


六、你需要准备什么

  • 会用大模型聊天,就可以读正文。
  • 数学: 不要求。必要的地方,只用加减乘除和一个具体数字例子。
  • Python: 想跑代码的话,需要能运行 Python 脚本。代码都很短,多数只用标准库或一两个常见的包,不会写也不影响读正文。
  • 显卡: 不需要。第 15 篇会用一个小模型,运行要求在那一篇里写清楚,并标注"截至某年某月",因为这类工具更新很快。

七、几个常被问到的问题

读完能做出一个大模型吗?

不能。这个系列讲的是"它是怎么工作的、怎么用好它",不是"怎么从头训练一个"。但读完你会知道训练里每一步在干什么,也就能看懂更深的资料。

和别的"大模型入门"有什么不同?

我的取舍是:少用术语、不用公式,但不牺牲准确。每个比喻都说清哪里不准,每个数字都说清是不是示意,代码都真跑过。

我已经会用提示词了,还值得读吗?

值得。很多提示词技巧在你知道"它在按概率接龙"之后,就变成了有道理的事,而不是玄学。第 12 篇会专门讲。

这个系列和《Agent 工程实战》专栏是什么关系?

本系列讲原理,免费;Agent 专栏讲工程,需要付费阅读。如果你只想搞懂大模型,读完本系列就够了;如果之后想让它自己调用工具、做任务,第 16 篇会告诉你下一步怎么走。

更新节奏?

计划每周更新 2--3 篇,大约 6--8 周更完。想第一时间看到更新,可以订阅这个免费专栏。


八、现在开始

下一篇,我们从最基础的一件事讲起:大模型到底在干什么。你会看到,它每次回答的背后,只是一个重复了很多遍的"接龙"。

👉 第 01 篇:大模型到底在干什么:一个超强的"文字接龙"程序

如果你读到某处没明白,欢迎在评论区告诉我是哪一句。系列写完后,我会根据大家卡住的地方回头补充。

相关推荐
写标小何20 分钟前
AI 标书工具技术架构解析:从文件解析到排版导出的工程实践
人工智能
敖老师23 分钟前
DeepSeek Harness Web 版从装到用:dsh web 启动、接入本地 Ollama 全流程
人工智能
阿里云大数据AI技术24 分钟前
DataWorks AI 数据生成:一条配置,量产多行业的仿真级业务数据
人工智能
QA老兵的AI实战手记30 分钟前
别再用人工盯 AI 幻觉了:我手搓了一套带“代码审查拦截”的 AI 效能大屏(附源码)
人工智能
火山引擎开发者社区34 分钟前
APMPlus・看得见的 Agent(三) | Agent 说完成,结果却不对?APMPlus Agent 轨迹帮你查清执行过程
人工智能
羲云网络37 分钟前
Claude Fable 5.2 创意编程分析:程序化生成、多智能体协作与工程验收
人工智能·大语言模型·blender·游戏开发
Linye40 分钟前
HTML 流程图连线交叉看不清?聊聊画布避障折线与跳弧实现
前端·人工智能
M--Y1 小时前
LangGraph 架构基石:持久化与运行控制
python·langchain·大模型·llm·持久化·langgraph
weixin_469163691 小时前
金融租赁项目管理:维普时代以混合模型+AI实现管控与效率兼得
人工智能·金融
框架那些事儿1 小时前
深入 Pi 源码:一个优秀的 Agent,是如何管理上下文的?
人工智能·ai编程·全栈