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