2026/8/19 11:17:07
FEATURED · 精选文章 
个人主页艾莉丝努力练剑❄专栏传送门《C语言》《数据结构与算法》《C/C干货分享学习过程记录》《Linux操作系统编程详解》《笔试/面试常见算法从基础到进阶》《Python干货分享》⭐️为天地立心为生民立命为往圣继绝学为万世开太平 艾莉丝的简介文章目录1 ~ AI 模型基础概念1.1 模型Model核心定义1.2 工作逻辑类比1.3 领域边界说明2 ~ 大模型Large Model2.1 核心定义2.2 “大” 的核心体现2.2.1 参数量级庞大2.2.2 训练数据规模极大2.2.3 算力与能耗极高2.3 能力特征3 ~ 大语言模型Large Language Model, LLM3.1 核心定义3.2 本质原理3.3 三大核心局限性3.3.1 幻觉Hallucination3.3.2 无真正理解3.3.3 偏见与安全风险3.4 能力边界3.4.1 核心限制3.4.2 非语言任务的 “翻译” 策略3.4.3 核心盲区3.5 主流代表模型4 ~ 提示词Prompt工程4.1 提示词定义4.2 提示词设计三要素4.2.1 角色设定Role4.2.2 任务描述Task4.2.3 格式约束Format4.3 提示词工程师岗位5 ~ 上下文Content机制5.1 核心定义5.2 上下文窗口限制6 ~ Token 机制与计费6.1 Token 核心定义6.2 字符换算规则6.3 计费模式以 DeepSeek 为例6.4 扣费规则7 ~ 拓展LLM 边界突破 —— 具身智能7.1 核心方向7.2 三层突破路径7.2.1 第一层低级感知技术成熟阶段7.2.2 第二层高级交互技术突破阶段7.2.3 第三层根本性重塑未来愿景7.3 三大现实技术障碍7.3.1 数据瓶颈7.3.2 计算延迟7.3.3 灾难性遗忘7.4 结论结尾1 ~ AI 模型基础概念1.1 模型Model核心定义AI 领域的模型本质是从海量数据中学习规律、用于执行预测任务的复杂数学函数具备规模庞大的参数与高度复杂的内部计算机制是人工智能能力的载体。1.2 工作逻辑类比可类比为牙牙学语的婴幼儿输入端通过多模态渠道听觉、视觉接收海量环境数据包括日常对话、物品认知、行为示范等。学习过程在持续输入中总结事物与语言的关联规则建立自身的认知逻辑。输出端接收到指令后基于总结的规律输出符合预期的响应。1.3 领域边界说明“模型” 为跨领域通用术语本范畴内特指 AI 领域的机器学习 / 深度学习模型区别于物理模型、数据模型、实体玩具模型等其他领域的 “模型” 概念。2 ~ 大模型Large Model2.1 核心定义参数量与训练数据规模达到极高量级的综合型 AI 模型具备跨领域、多任务的处理能力可同时覆盖文本、语音、视觉等多种模态是 AI 领域的全才型系统。2.2 “大” 的核心体现2.2.1 参数量级庞大参数量达到百亿至千亿级别远高于早期 AI 模型。典型代表GPT-3 参数量为 1750 亿而早期传统 AI 模型参数量不足百万。2.2.2 训练数据规模极大训练数据覆盖全网文本、专业书籍、学术论文、开源代码、音视频内容等全维度信息数据量级达到 PB 级。2.2.3 算力与能耗极高训练过程需要大规模计算集群支撑能耗极高。注意行业估算 GPT-3 单次训练耗电量约 190 万度该数据为量级参考非精确计量值。2.3 能力特征具备多模态处理能力可同时实现视觉理解、语音识别、文本生成、逻辑推理等多种任务区别于仅能处理单一任务的传统 AI 模型。3 ~ 大语言模型Large Language Model, LLM3.1 核心定义以人类自然语言为核心处理对象的大模型通过学习海量文本数据掌握词语间的统计关联规律可实现对话、写作、翻译、代码生成等各类语言类任务。3.2 本质原理大语言模型的核心是基于概率的下一个词元预测 通过 Transformer 神经网络学习海量文本中词汇的上下文关联输入文本序列后输出统计概率最高的接续内容。其本身不具备对语义的真正理解所有输出均基于文本统计规律。3.3 三大核心局限性3.3.1 幻觉Hallucination会生成语法通顺、看似合理但完全不符合客观事实的虚假内容即无依据的错误输出。3.3.2 无真正理解仅掌握词语在文本中的统计关联不理解物理世界的客观规律也不具备任何感官体验与主观意识。3.3.3 偏见与安全风险训练数据中存在的人类社会偏见会被模型继承与放大同时存在生成违规、有害内容的安全风险。3.4 能力边界3.4.1 核心限制仅能处理被人类语言符号化、编码过的信息无法直接感知物理世界的光、电、力等物理量仅能处理描述这些现象的文本无真实感官体验仅掌握 “疼痛”“颜色” 等词汇的文本用法无法处理无规律乱码、训练集未覆盖的加密语言3.4.2 非语言任务的 “翻译” 策略现实中模型处理代码、公式、图像的本质是将其转化为模型可理解的语义符号而非真正理解该领域代码处理将编程语言视作特殊格式的技术文本学习语法规则与文本关联数学公式将数学符号视作压缩的自然语言基于海量论文文本学习推导逻辑多模态处理通过专用编码器将图像 / 音频转化为特征向量作为隐含语义输入 LLM模型处理的仍是语义空间而非原始感官信号3.4.3 核心盲区无法生成未被文本记录的物理常识与直觉推理只能复现语言中已记录的知识无法像人类一样通过物理直觉推导全新现象。3.5 主流代表模型文档示例包括 GPT 系列、Gemini 系列、Claude 系列、DeepSeek 系列、Qwen阿里千问系列、豆包系列等。注意所列具体版本号多为前瞻性示例需以官方正式发布为准。4 ~ 提示词Prompt工程4.1 提示词定义用户向大模型传递任务需求的文本指令是人与大模型交互的核心载体。提示词的表述精度、完整度直接决定模型输出结果的质量。4.2 提示词设计三要素4.2.1 角色设定Role为模型指定明确的身份、专业背景与立场约束输出的视角与专业深度。 示例你是一个具有十年以上C后端开发经验的架构师请帮我设计类似微信的聊天软件4.2.2 任务描述Task清晰、具体地说明需要模型完成的核心任务避免模糊表述。 示例用200字总结导致拖延症的核心原因4.2.3 格式约束Format指定输出的结构、篇幅、呈现形式等规范统一输出标准。 示例请按要点分条列出每条不超过15字4.3 提示词工程师岗位AI 开发领域的专门岗位核心职责包括设计、优化、测试大模型提示词提升生成内容的准确率与实用性结合业务场景落地大模型能力设计行业解决方案维护与优化知识库提升大模型回答的准确性5 ~ 上下文Content机制5.1 核心定义大模型在单次对话会话中可以临时保留的历史交互信息使模型能够结合前后文理解用户意图实现连贯的多轮对话类比人类的短期记忆。5.2 上下文窗口限制模型可保留的上下文长度存在明确上限超出窗口长度的历史信息会被丢弃类似计算机内存溢出后的覆盖机制。典型示例GPT-4 的上下文窗口可达 128k tokens约对应 10 万字文本注意不同型号模型的上下文窗口差异极大从 4k 到百万 token 级别不等需以具体模型的官方参数为准6 ~ Token 机制与计费6.1 Token 核心定义Token词元是大模型处理自然语言的基本单位同时也是大模型 API 服务的通用计费单位。通常一个中文词语、英文单词、单个数字或符号对应 1 个 token。6.2 字符换算规则不同模型的分词器Tokenizer规则不同换算比例存在显著差异。以 DeepSeek 官方给出的参考比例为例1 个英文字符 ≈ 0.3 个 token1 个中文字符 ≈ 0.6 个 token注意该比例仅为 DeepSeek 分词器的参考值不可通用到所有大语言模型实际 token 数量以模型返回的usage字段为准。6.3 计费模式以 DeepSeek 为例计费按输入、输出分别计算输入侧区分缓存命中与未命中场景计费项单价每百万 tokens输入缓存命中0.5 元输入缓存未命中4 元输出12 元6.4 扣费规则扣费公式扣减费用 token 消耗量 × 对应项单价余额优先级同时存在充值余额与赠送余额时优先扣除赠送余额价格说明产品价格可能随官方策略调整以实时公示为准7 ~ 拓展LLM 边界突破 —— 具身智能7.1 核心方向通过为 AI 接入物理实体与传感器打破纯文本模型的能力边界实现对物理世界的真实感知与交互该方向在学术界被称为具身智能与多模态感知融合。7.2 三层突破路径7.2.1 第一层低级感知技术成熟阶段通过传感器将物理信号转化为数字信号输入模型处理视觉感知摄像头采集画面经视觉编码器转化为语义向量听觉 / 触觉感知麦克风、压力传感器采集模拟信号数字化后提取波形 / 力觉特征局限性仍属于数字信号处理模型不具备真实感官体验仅丰富了输入数据的形式7.2.2 第二层高级交互技术突破阶段通过实体行动形成闭环学习建立因果关联触觉反馈闭环通过实时传感器数据动态调整动作形成无法用语言精确描述的 “肌肉记忆”空间导航通过激光雷达构建物理三维地图通过自身移动验证与修正空间认知核心价值认知逻辑从 “词汇关联” 升级为 “动作→结果” 的因果关联是纯文本模型永远无法生成的能力7.2.3 第三层根本性重塑未来愿景形成独立于人类语言的内部认知表征直觉智能核心决策基于连续物理时序数据无需转化为人类语言非语言知识对物理世界的认知包含多维连续数据信息密度远超自然语言的描述能力7.3 三大现实技术障碍7.3.1 数据瓶颈高质量物理交互数据获取成本极高数据规模远小于互联网纯文本数据难以支撑大模型训练。7.3.2 计算延迟物理世界要求毫秒级实时响应而大模型单 token 生成存在百毫秒级延迟。当前主流方案为大小脑分工传统控制算法负责快速反应小脑大模型负责高层任务规划大脑。7.3.3 灾难性遗忘模型学习物理交互能力后可能出现原有语言能力退化的问题多能力和谐共存是顶级实验室正在攻克的难题。7.4 结论纯大语言模型本身永远无法打破语言边界其设计目标就是处理文本信息。未来通用人工智能是复合系统LLM 负责语言理解、规划推理类比大脑额叶传感器与运动模块负责感知与行动类比小脑、脑干。物理能力将绕过 LLM 的语言限制建立平行于人类语言的物理认知体系而非从内部打破 LLM 的语言边界。结尾uu们本文的内容到这里就全部结束了艾莉丝在这里再次感谢您的阅读艾莉丝努力练剑C/C Linux 底层探索者 | 一个正在努力练剑的技术博主【关注】跟随我一起深耕技术领域见证每一次成长。❤️【点赞】让优质内容被更多人看见让知识传递更有力量。⭐【收藏】把核心知识点存好在需要时随时查、随时用。【评论】分享你的经验或疑问评论区一起交流避坑不要忘记给博主“一键四连”哦“今日练剑达成”“技术之路难免有困惑但同行的人会让前进更有方向。”结语希望对学习Linux相关内容的uu有所帮助不要忘记给博主“一键四连”哦博主在这里放了一只小狗大家看完了摸摸小狗放松一下吧૮₍ ˶ ˊ ᴥ ˋ˶₎ა
【AI大模型接入SDK】名词解释
个人主页艾莉丝努力练剑❄专栏传送门《C语言》《数据结构与算法》《C/C干货分享学习过程记录》《Linux操作系统编程详解》《笔试/面试常见算法从基础到进阶》《Python干货分享》⭐️为天地立心为生民立命为往圣继绝学为万世开太平 艾莉丝的简介文章目录1 ~ AI 模型基础概念1.1 模型Model核心定义1.2 工作逻辑类比1.3 领域边界说明2 ~ 大模型Large Model2.1 核心定义2.2 “大” 的核心体现2.2.1 参数量级庞大2.2.2 训练数据规模极大2.2.3 算力与能耗极高2.3 能力特征3 ~ 大语言模型Large Language Model, LLM3.1 核心定义3.2 本质原理3.3 三大核心局限性3.3.1 幻觉Hallucination3.3.2 无真正理解3.3.3 偏见与安全风险3.4 能力边界3.4.1 核心限制3.4.2 非语言任务的 “翻译” 策略3.4.3 核心盲区3.5 主流代表模型4 ~ 提示词Prompt工程4.1 提示词定义4.2 提示词设计三要素4.2.1 角色设定Role4.2.2 任务描述Task4.2.3 格式约束Format4.3 提示词工程师岗位5 ~ 上下文Content机制5.1 核心定义5.2 上下文窗口限制6 ~ Token 机制与计费6.1 Token 核心定义6.2 字符换算规则6.3 计费模式以 DeepSeek 为例6.4 扣费规则7 ~ 拓展LLM 边界突破 —— 具身智能7.1 核心方向7.2 三层突破路径7.2.1 第一层低级感知技术成熟阶段7.2.2 第二层高级交互技术突破阶段7.2.3 第三层根本性重塑未来愿景7.3 三大现实技术障碍7.3.1 数据瓶颈7.3.2 计算延迟7.3.3 灾难性遗忘7.4 结论结尾1 ~ AI 模型基础概念1.1 模型Model核心定义AI 领域的模型本质是从海量数据中学习规律、用于执行预测任务的复杂数学函数具备规模庞大的参数与高度复杂的内部计算机制是人工智能能力的载体。1.2 工作逻辑类比可类比为牙牙学语的婴幼儿输入端通过多模态渠道听觉、视觉接收海量环境数据包括日常对话、物品认知、行为示范等。学习过程在持续输入中总结事物与语言的关联规则建立自身的认知逻辑。输出端接收到指令后基于总结的规律输出符合预期的响应。1.3 领域边界说明“模型” 为跨领域通用术语本范畴内特指 AI 领域的机器学习 / 深度学习模型区别于物理模型、数据模型、实体玩具模型等其他领域的 “模型” 概念。2 ~ 大模型Large Model2.1 核心定义参数量与训练数据规模达到极高量级的综合型 AI 模型具备跨领域、多任务的处理能力可同时覆盖文本、语音、视觉等多种模态是 AI 领域的全才型系统。2.2 “大” 的核心体现2.2.1 参数量级庞大参数量达到百亿至千亿级别远高于早期 AI 模型。典型代表GPT-3 参数量为 1750 亿而早期传统 AI 模型参数量不足百万。2.2.2 训练数据规模极大训练数据覆盖全网文本、专业书籍、学术论文、开源代码、音视频内容等全维度信息数据量级达到 PB 级。2.2.3 算力与能耗极高训练过程需要大规模计算集群支撑能耗极高。注意行业估算 GPT-3 单次训练耗电量约 190 万度该数据为量级参考非精确计量值。2.3 能力特征具备多模态处理能力可同时实现视觉理解、语音识别、文本生成、逻辑推理等多种任务区别于仅能处理单一任务的传统 AI 模型。3 ~ 大语言模型Large Language Model, LLM3.1 核心定义以人类自然语言为核心处理对象的大模型通过学习海量文本数据掌握词语间的统计关联规律可实现对话、写作、翻译、代码生成等各类语言类任务。3.2 本质原理大语言模型的核心是基于概率的下一个词元预测 通过 Transformer 神经网络学习海量文本中词汇的上下文关联输入文本序列后输出统计概率最高的接续内容。其本身不具备对语义的真正理解所有输出均基于文本统计规律。3.3 三大核心局限性3.3.1 幻觉Hallucination会生成语法通顺、看似合理但完全不符合客观事实的虚假内容即无依据的错误输出。3.3.2 无真正理解仅掌握词语在文本中的统计关联不理解物理世界的客观规律也不具备任何感官体验与主观意识。3.3.3 偏见与安全风险训练数据中存在的人类社会偏见会被模型继承与放大同时存在生成违规、有害内容的安全风险。3.4 能力边界3.4.1 核心限制仅能处理被人类语言符号化、编码过的信息无法直接感知物理世界的光、电、力等物理量仅能处理描述这些现象的文本无真实感官体验仅掌握 “疼痛”“颜色” 等词汇的文本用法无法处理无规律乱码、训练集未覆盖的加密语言3.4.2 非语言任务的 “翻译” 策略现实中模型处理代码、公式、图像的本质是将其转化为模型可理解的语义符号而非真正理解该领域代码处理将编程语言视作特殊格式的技术文本学习语法规则与文本关联数学公式将数学符号视作压缩的自然语言基于海量论文文本学习推导逻辑多模态处理通过专用编码器将图像 / 音频转化为特征向量作为隐含语义输入 LLM模型处理的仍是语义空间而非原始感官信号3.4.3 核心盲区无法生成未被文本记录的物理常识与直觉推理只能复现语言中已记录的知识无法像人类一样通过物理直觉推导全新现象。3.5 主流代表模型文档示例包括 GPT 系列、Gemini 系列、Claude 系列、DeepSeek 系列、Qwen阿里千问系列、豆包系列等。注意所列具体版本号多为前瞻性示例需以官方正式发布为准。4 ~ 提示词Prompt工程4.1 提示词定义用户向大模型传递任务需求的文本指令是人与大模型交互的核心载体。提示词的表述精度、完整度直接决定模型输出结果的质量。4.2 提示词设计三要素4.2.1 角色设定Role为模型指定明确的身份、专业背景与立场约束输出的视角与专业深度。 示例你是一个具有十年以上C后端开发经验的架构师请帮我设计类似微信的聊天软件4.2.2 任务描述Task清晰、具体地说明需要模型完成的核心任务避免模糊表述。 示例用200字总结导致拖延症的核心原因4.2.3 格式约束Format指定输出的结构、篇幅、呈现形式等规范统一输出标准。 示例请按要点分条列出每条不超过15字4.3 提示词工程师岗位AI 开发领域的专门岗位核心职责包括设计、优化、测试大模型提示词提升生成内容的准确率与实用性结合业务场景落地大模型能力设计行业解决方案维护与优化知识库提升大模型回答的准确性5 ~ 上下文Content机制5.1 核心定义大模型在单次对话会话中可以临时保留的历史交互信息使模型能够结合前后文理解用户意图实现连贯的多轮对话类比人类的短期记忆。5.2 上下文窗口限制模型可保留的上下文长度存在明确上限超出窗口长度的历史信息会被丢弃类似计算机内存溢出后的覆盖机制。典型示例GPT-4 的上下文窗口可达 128k tokens约对应 10 万字文本注意不同型号模型的上下文窗口差异极大从 4k 到百万 token 级别不等需以具体模型的官方参数为准6 ~ Token 机制与计费6.1 Token 核心定义Token词元是大模型处理自然语言的基本单位同时也是大模型 API 服务的通用计费单位。通常一个中文词语、英文单词、单个数字或符号对应 1 个 token。6.2 字符换算规则不同模型的分词器Tokenizer规则不同换算比例存在显著差异。以 DeepSeek 官方给出的参考比例为例1 个英文字符 ≈ 0.3 个 token1 个中文字符 ≈ 0.6 个 token注意该比例仅为 DeepSeek 分词器的参考值不可通用到所有大语言模型实际 token 数量以模型返回的usage字段为准。6.3 计费模式以 DeepSeek 为例计费按输入、输出分别计算输入侧区分缓存命中与未命中场景计费项单价每百万 tokens输入缓存命中0.5 元输入缓存未命中4 元输出12 元6.4 扣费规则扣费公式扣减费用 token 消耗量 × 对应项单价余额优先级同时存在充值余额与赠送余额时优先扣除赠送余额价格说明产品价格可能随官方策略调整以实时公示为准7 ~ 拓展LLM 边界突破 —— 具身智能7.1 核心方向通过为 AI 接入物理实体与传感器打破纯文本模型的能力边界实现对物理世界的真实感知与交互该方向在学术界被称为具身智能与多模态感知融合。7.2 三层突破路径7.2.1 第一层低级感知技术成熟阶段通过传感器将物理信号转化为数字信号输入模型处理视觉感知摄像头采集画面经视觉编码器转化为语义向量听觉 / 触觉感知麦克风、压力传感器采集模拟信号数字化后提取波形 / 力觉特征局限性仍属于数字信号处理模型不具备真实感官体验仅丰富了输入数据的形式7.2.2 第二层高级交互技术突破阶段通过实体行动形成闭环学习建立因果关联触觉反馈闭环通过实时传感器数据动态调整动作形成无法用语言精确描述的 “肌肉记忆”空间导航通过激光雷达构建物理三维地图通过自身移动验证与修正空间认知核心价值认知逻辑从 “词汇关联” 升级为 “动作→结果” 的因果关联是纯文本模型永远无法生成的能力7.2.3 第三层根本性重塑未来愿景形成独立于人类语言的内部认知表征直觉智能核心决策基于连续物理时序数据无需转化为人类语言非语言知识对物理世界的认知包含多维连续数据信息密度远超自然语言的描述能力7.3 三大现实技术障碍7.3.1 数据瓶颈高质量物理交互数据获取成本极高数据规模远小于互联网纯文本数据难以支撑大模型训练。7.3.2 计算延迟物理世界要求毫秒级实时响应而大模型单 token 生成存在百毫秒级延迟。当前主流方案为大小脑分工传统控制算法负责快速反应小脑大模型负责高层任务规划大脑。7.3.3 灾难性遗忘模型学习物理交互能力后可能出现原有语言能力退化的问题多能力和谐共存是顶级实验室正在攻克的难题。7.4 结论纯大语言模型本身永远无法打破语言边界其设计目标就是处理文本信息。未来通用人工智能是复合系统LLM 负责语言理解、规划推理类比大脑额叶传感器与运动模块负责感知与行动类比小脑、脑干。物理能力将绕过 LLM 的语言限制建立平行于人类语言的物理认知体系而非从内部打破 LLM 的语言边界。结尾uu们本文的内容到这里就全部结束了艾莉丝在这里再次感谢您的阅读艾莉丝努力练剑C/C Linux 底层探索者 | 一个正在努力练剑的技术博主【关注】跟随我一起深耕技术领域见证每一次成长。❤️【点赞】让优质内容被更多人看见让知识传递更有力量。⭐【收藏】把核心知识点存好在需要时随时查、随时用。【评论】分享你的经验或疑问评论区一起交流避坑不要忘记给博主“一键四连”哦“今日练剑达成”“技术之路难免有困惑但同行的人会让前进更有方向。”结语希望对学习Linux相关内容的uu有所帮助不要忘记给博主“一键四连”哦博主在这里放了一只小狗大家看完了摸摸小狗放松一下吧૮₍ ˶ ˊ ᴥ ˋ˶₎ა 
