大语言模型（LLM）是通过大量数据训练、根据上下文预测后续内容的模型。它擅长处理语言和代码，但流畅的回答并不自动等于事实正确。
先理解三个基本概念
Token：模型处理文本时使用的片段单位，不完全等同于汉字或单词。不同模型、不同编码方式会影响 Token 数量。上下文窗口：单次交互中模型能够参考的输入与输出容量上限；窗口较大也不保证模型能准确利用其中每条信息。提示词：你给模型的任务说明、背景和输出约束。
它能做什么，不能做什么？
典型任务包括草拟邮件、提取信息、整理文档、辅助编程和解释概念。模型可能产生“幻觉”——在缺少依据时生成看似合理的错误内容。涉及医疗、法律、财务等重要决策时，应向专业人士核对。
先分清聊天产品和 API
聊天产品适合直接在界面里使用；API 是供程序调用的接口，通常需要处理账号、认证、请求参数、错误重试和用量计费。一个网站声称提供 API，并不意味着它支持你想用的每一种模型或功能。
新手的第一项练习
选一段不含个人信息的公开文本，让模型分别输出“3 句话摘要”和“待核实事实列表”。对照原文检查遗漏和虚构；这个练习比单纯问“它聪明吗”更能帮你认识模型。
模型如何“学会”这些能力？
训练阶段会调整大量参数，让模型能够学习数据中的统计规律。随后可能通过指令微调和偏好优化，让输出更适合对话。日常提问一般属于推理，不是每次对话都重新训练模型；平台是否会使用你的数据进行后续训练，需要看其条款与设置。
推理、工具与多模态
某些模型支持更复杂的推理过程，某些支持图像或音频输入。工具调用通常是模型提出结构化请求，再由应用执行；模型本身不因为生成一个函数名就自动获得联网或支付权限。多模态也应按具体输入、输出类型逐项核实。
常见误解
- 回答很自信，不代表已经检索过事实。
- 上下文更长，不代表每一页都能准确引用。
- 参数更多，不代表对每项业务任务都更好。
- 开放权重，不代表使用不受许可证限制。