大语言模型是如何生成回答的？
从全自动文字接龙系统理解大语言模型，以及为什么你的输入会影响它的输出。
你最近应该经常看到或听到一个术语 ——「大语言模型」（Large Language Model），也有人会简称它为大模型或者 LLM。很多人称其为「人工智能」，这对吗？它实际是什么？它为何看起来像科幻片里的「人工智能」？
一、全自动文字接龙系统
简单类比的话，你可以将 LLM 看成一个「全自动文字接龙系统」。举个简单的例子，如果你向 LLM（比如 DeepSeek、ChatGPT）提问：
模型就会进行一系列的运算，但它跟你想象中的不同，它并不会进行「思考」，它实际是通过各种计算，预测这个问题的下一个概率最高的「字」是什么。
比如「今天广州的天气如何？」，下一个字可能在模型的某次生成中，运算出来的结果是「今」。
当计算出「今」之后，模型会将「今天广州的天气如何？今」作为新的输入，再重新计算下一个字，算出下一个字是「天」，得到最新结果「今天广州的天气如何？今天」。接着模型会继续计算下一个字，直到得到最终结果。
整个流程大概像这样：
最终，你会在产品里看到这样的回答：
理解了这个原理，你应该就懂得了为何在使用 LLM 的产品时，LLM 的回复都是一个字一个字地吐出答案。
二、搞懂这个概念有什么用？
懂得了这个简单原理之后，你应该就能理解，为何在 LLM 产品的早期，比如 GPT-3.5 的时候，会有众多所谓的 Prompt Engineering（提示词工程）技巧了吧。
比如在翻译场景下，你可以在输入要翻译的英文前增加一段「你是个精通中英文翻译的专家，请你翻译如下英文...」，这类指令（Prompt）。本质上来说，添加这些指令，就是为了提高 LLM 输出满意答案的概率。
为什么呢？
因为与 AI 进行交互，必须使用文字来写出来，不懂相关概念就难以把要求说清楚。换句话来说，不懂相关概念就很难向 LLM 提出问题，或者给它合适的指令。最后如果指令不清晰，或者描述有误，自然就会得到不够好，甚至错误的回答。
就拿下方这两个按钮为例，请你分别点击试试。当你点击后，你会看到一个菜单。菜单上有同样内容。但你会发现两个菜单的样式完全不一样。你觉得哪个体验更好？
如果你不懂任何的编程或产品相关的概念，完全靠简单的一句话需求：点击按钮后，出现一个菜单，菜单里有菜单 A、B、C 三个按钮。
那大概率模型只会给你一个在概率上最有可能，或者说是一个平庸的结果。但如果你懂得相关的知识，你就可以给 LLM 下相关的优化命令，让其输出变得更加出色。
这也是本教程想教给你的东西。