简介：由厦门大学大数据教学团队林子雨副教授整理的《大模型概念、技术与应用实践》PDF讲义，面向高校师生、技术入门者与希望系统理解大模型的知识型读者，帮助建立从人工智能发展脉络到DeepSeek等大模型落地应用的整体认知。全篇约140页，围绕人工智能简史与思维方式、大模型概念与发展阶段、产品谱系、原理特点、分类及应用领域展开，并延伸至AIGC实践、本地部署和基于大模型的智能体等主题，兼顾概念辨析与案例理解。资源包仅含1个PDF文件，大小14.41MB，单文件结构便于在电脑或平板上连续阅读与检索。已有663人学习，适合作为课程配套阅读、专题培训资料或个人自学的入门框架；读者可据此梳理大模型关键术语、技术演进线索与行业应用场景，并为后续深入自然语言处理、多模态模型等方向打下基础。

1. 先搞懂一件事：大模型到底是什么东西

很多人第一次听到「大模型」这三个字，第一反应是：这玩意儿是不是得数学很好、会写代码才碰得了？我刚接触时也这么想，直到有人打了个比方——大模型像一个读完了整座图书馆、却从不做笔记的人：你问什么它都能接上话，但哪一句记得准、哪一句是顺口编的，得你自己掂量。

说白了，它是一类用海量文本训练出来的程序，核心本事是「接着往下写」，写顺了就成了聊天、翻译、润色、总结、写代码。它能把你手里重复的文字活儿从两小时压到十分钟，也能在你完全陌生的领域先给出一份「外行看得懂的初稿」。这份 140 页的课件，就是给完全没接触过的人准备的：从它怎么来的、凭什么这么能说，一直讲到你怎么上手用，读完能自己动手试第一下。

2. 为什么零基础也该学：从「会不会用」到「用得好」的分水岭

先说一句可能不太好听的：大模型不需要你「学会」，它已经在你身边了。真正拉开差距的，不是谁懂它的原理，而是谁能把一件事描述清楚、把结果验收一遍。这份课件的价值不在于让你变成算法工程师，而在于让你从「听说过」走到「敢打开、敢提问、能判断它说得对不对」。

下面拆成三块讲：它到底替你干什么活、为什么躲不开、以及这份课件具体怎么读才不浪费。

2.1 先把「它到底能干什么」拆成四件事

新手最容易犯的错，是把大模型当成「万能问答机」，问一句「帮我写个方案」，然后对着一段空话发呆，最后得出结论「这东西也就那样」。问题不在它，在于你没分清它擅长哪几类活。入门阶段，先记住四类就够用：

「改写」为什么新手友好度最高？因为你手里有原文，它改成什么样，你一眼能对照出来好坏。而「生成」没有参照物，容易变成两个外行互相点头。

再给一条判断标准，帮你决定这件事该不该交给它：有唯一正确答案的（比如算账、查具体日期、核对合同条款）、需要有人担责的（比如医疗建议、法律意见）、依赖最新信息的（比如今天发生了什么），都不要让它单独做决定。剩下那些「写出来再改改」的活儿，放心交给它。

我第一次用的时候，把一份三百多字的活动通知丢进去，让它「压缩到 120 字以内，保留时间、地点、报名方式」。三十秒出结果，我改了两个字就用了。那一刻的感受不是「AI 好强」，而是「原来我过去那些重复劳动是真的可以省掉」。

2.2 不懂原理也躲不开的三个真实场景

有人会问：我又不做技术，学这个干嘛？下面三个场景，你至少会撞上一个。

第一个是求职和职场。现在不少岗位描述里会出现「熟悉 AIGC 工具」「能借助 AI 提升效率」这类要求。面试官不会考你注意力机制怎么算，但会让你说说「你怎么用它把一件具体的事做快了」。能讲出一个完整的小例子，比背十个名词管用。

第二个是学习。读一份几十页的材料、看一篇陌生的论文、整理一堆零散笔记，这些事以前要花整晚。现在可以先把材料喂进去，让它给出结构提纲，你再顺着提纲回去精读。注意顺序：它是帮你「先搭架子」，不是替你「读完」。

第三个是日常办事。写申请、拟通知、把一张表格转成一段说明、把口述的一段话整理成文字稿，这些琐事占掉的时间比想象中多。

这三个场景背后其实是同一种能力，可以概括成三步：先了解它在干什么，再分清哪些事人的判断不可替代、哪些事机器做更快，最后才是协作——把机器快的部分交出去，把需要负责的部分留在自己手上。这个顺序别搞反，一上来就全交出去的人，往往也是被坑得最惨的人。

2.3 一份 140 页的课件，为什么适合当第一本教材

市面上的入门材料有两类毛病：一类是公众号短文，看完只觉得「好厉害」，合上手机什么也没留下；另一类是论文和技术文档，第一页就开始劝退。这份 140 页的课件介于两者之间，它的结构是先讲清概念、再讲技术脉络、最后落到应用实践，正好对应新手「先知道是什么、再知道为什么、最后敢动手」的路径。

怎么读才不浪费？给你一套我实际用过的四步法：

第一步，先只看目录，画一张自己的地图。不要急着翻正文，把四个板块的名字抄在纸上，用自己的话各写一句「这块大概讲什么」。写不出来没关系，写完再翻，翻完回来改。这一步的目的是让大脑先有个挂钩的地方，后面读到的细节才挂得住。

第二步，第一遍只读概念部分，遇到公式、参数、架构图，直接跳过。新手最大的心理负担是「有个地方看不懂，是不是我太笨」。不是。那些内容本来就不是给第一遍准备的。第一遍的任务只有一个：把名词和名词之间的关系搞顺。

第三步，每读完一小节，写三行笔记。格式固定，别自创：

这一节讲的是：____ 它能干什么：____ 我能在____这件事上用它

第三行最难写，也最值钱。写不出来，说明这一节你只是「看过」，没有「接上自己」。

第四步，挑课件里的一个应用案例，改造成自己的场景。比如案例讲的是「用大模型整理会议纪要」，你就换成「用大模型整理课程录音的要点」，材料换成你自己的，照着走一遍。走通了，这一节才算真的属于你。

提示：第一遍读的时候，允许自己跳着看。把 140 页当成一本可以随便翻的杂志，比当成一本必须逐页啃的教科书，完成率高得多。

按这个节奏，140 页大概三到四个晚上能过一遍。别追求一遍吃透，第二遍再来的时候你会发现，很多东西自己就通了。

3. 把概念捋顺：参数、训练、推理这几个词先弄明白

这一章解决的是「看课件时被术语卡住」的问题。不用记公式，目标是下次再看到「千亿参数」「预训练」「推理成本」这些词，你知道它在说哪一层的事，不再一头雾水。

3.1 参数：模型的「脑容量」，不是「知识库」

课件里讲大模型的「大」，主要大在三个地方：参数数量、训练数据量、算力需求。这三个是一组，缺一不可。

参数是什么？可以理解成模型内部一堆可以被调节的旋钮。训练的过程，就是拿大量文本去拧这些旋钮，拧到最后，模型看到「今天天气真」这半句，能比较靠谱地接出「不错」。参数越多，能表达的规律越细，但也不是越多越好——旋钮多了，拧起来更费劲，也更容易拧过头。

新手最常见的误解是「参数 = 它记住的知识条数」。不是。它不存条目，存的是「词与词之间怎么搭配」的统计规律。这解释了两件事：

一是为什么它能回答没见过的问题——它不是在检索，是在按规律续写；二是为什么它会一本正经地胡说——规律推出来的东西可以很流畅，但未必真实。后面第 5 章会专门讲这个坑。

从量级上看，早期模型的参数在亿级，后来主流模型到了千亿级，再往后有万亿级的说法。数字你记不住没关系，记住一个感觉：这是「用钱和电堆出来的规模」，个人是训不动的，所以你我要做的是「用好它」，不是「造一个它」。

3.2 训练和推理：一个是上学，一个是考试

这两个词经常被混着用，其实完全是两件事。

训练是「上学」。一次性投入巨大：准备数据、跑几个月、烧掉大量算力，产出是一个模型文件。这一步普通人碰不到，也不需要碰。

推理是「考试」。你每问一句话，模型就现场算一遍，给你一个答案。这一步的成本低得多，但也不是零——回答越长、上下文越长，算得越久。

分清这两件事，有两个实际好处。

第一，你能理解为什么同一个问题问两次，答案会不一样。因为推理时通常带一点随机性，模型不是每次都挑「最可能的那个词」，而是从高概率的词里按权重抽。这不是 bug，是设计。你要稳定结果，就得在提问方式上做约束（下一章会讲）。

第二，你能理解为什么「上下文太长会变笨」。你和它的整段对话都要塞进一次推理里，塞得越满，越容易丢细节。所以重要设定不要只说一遍就指望它一直记得，该重复就重复。

3.3 预训练、微调、提示词：三种让模型听话的程度

这三个词代表三种不同的「改造深度」，成本差了好几个数量级。用一张表看清：

新手 99% 的时间应该花在第三行。原因很简单：前两种是「改造模型」，第三种是「改造提问」。改造提问不需要任何技术门槛，只需要你把话说清楚，而收益往往比想象中大。

我一开始也不信，觉得「不就是换个说法吗」。后来同一个任务，我把一句话的提问改成带角色、带格式要求、带一个示例的五句话版本，输出质量的区别大到像换了个人写的。这件事后面第 4 章会一步步拆给你看。

3.4 三段发展史，只记一条主线就够

课件里把发展历程分成萌芽、沉淀、爆发三个阶段，各有各的代表性技术。新手不用背年份，记住一条主线就行：

从「人教机器规则」，变成「给机器数据，让它自己找规律」。

• 萌芽阶段，主流思路是人来设计规则和特征，机器照着执行，能力上限被人的经验卡死。这期间卷积类网络开始出现，为后来的图像处理打下基础。
• 沉淀阶段，词被表示成向量、生成类模型出现、基于注意力机制的架构被提出，机器开始能自己从数据里学到更抽象的东西。
• 爆发阶段，千亿级参数的预训练模型出现，接着一款对话式产品在 2022 年底引爆大众视野，大模型从实验室走进普通人的浏览器标签页。

这条主线为什么值得记？因为它能解释一个常见困惑：「为什么以前的人工智能像个智障，现在突然这么能说？」不是突然变聪明了，是方法换了——从「写死规则」换成了「喂数据自己学」，加上算力跟上了，量变到质变。

理解这一点，你也就理解了它的软肋在哪：它学的是数据里的规律，数据里没有的、数据里错的，它照单全收，而且不会主动告诉你「这条我没见过」。

4. 第一个例子怎么跑：用五句话写出第一条能用的提示词

前面三章都是铺垫，这一章开始动手。不需要装任何软件，打开一个能用的大模型对话界面就行。目标不是写出多惊艳的东西，而是跑通一次「我知道我改了什么，所以结果变好了」的完整闭环。

4.1 先挑一个「错了也不心疼」的练手题

第一个练习题目选得对不对，直接决定你会不会在半路放弃。给三个筛选标准：

一、不依赖最新事实。别问「最近有什么新闻」「某公司今年的营收」，这类问题它答不准，你也没法判断对错。

二、不需要担责。别拿真实的合同、报销单、体检报告来练手，尤其是要提交出去的正式材料。

三、有明确的好坏判断。你一看就知道「这段能不能用」。写通知、写自我介绍、把一段话压缩、把口语整理成书面语，都符合。

我自己第一次练手用的是「把一段啰嗦的活动说明压缩到 100 字以内」。为什么选这个？因为原文在手里，压缩完一对照就知道哪里漏了信息、哪里变得生硬，反馈特别快。

4.2 五句模板：角色、任务、材料、格式、限制

新手写提问，最常见的是三个字：「帮我写」。这等于把「写什么、给谁看、多长、什么风格」全丢给对方猜。猜对了是运气，猜错了是常态。

给一个能直接套的五句结构：

第一句（角色）：你是一位有十年经验的行政专员。第二句（任务）：请把下面这段活动说明改写成一条发在班级群里的通知。第三句（材料）：原文如下：……第四句（格式）：分三行，第一行时间地点，第二行活动内容，第三行报名方式。第五句（限制）：总字数不超过 120 字，不要用感叹号，不要出现「热烈欢迎」这类套话。

五句话各自解决一个问题：

• 角色决定它用哪个「语料库」说话。说「行政专员」和说「文案策划」，出来的味道不一样。
• 任务是动词开头的具体动作，别写「优化一下」，要写「改写」「压缩」「扩写」「列成表格」。
• 材料能贴原文就贴原文。你不给材料，它就只能编。
• 格式是最容易被忽略、收益最大的一句。要求分几段、每段写什么、要不要小标题、要不要表格，写清楚。
• 限制是护栏：字数、语气、禁用词、必须保留的信息。

这五句不用每次都写全。但如果你发现结果「不对劲又说不清哪不对」，回头检查一遍，八成是某一句漏了。

4.3 三次迭代：把一句废话改成能交差的稿子

光看模板没感觉，走一遍完整的三次迭代。素材用一段虚构的原始说明：

原文：本周六下午两点，在社区活动中心三楼，举办一次面向全体居民的旧物交换活动，大家可以带上家里闲置不用的物品来参加，现场会有工作人员引导，报名请扫描楼下公告栏的二维码。

第一版，一句话提问：

帮我把这段改成通知。

出来的结果通常是：一段四平八稳的话，信息都在，但没有重点，读者扫一眼抓不到「什么时候、在哪、怎么报名」。你的感受是「能用，但不想用」。

第二版，加上角色和格式：

你是一位社区工作人员。请把下面这段改写成一条居民群通知，分三行：第一行时间地点，第二行活动内容，第三行报名方式。原文：……

这一版会明显好转，三行的结构出来了。但你可能会发现，第三行它写成了「请扫描二维码报名」——原文里二维码在「楼下公告栏」，这个信息丢了。

第三版，补上限制：

你是一位社区工作人员。请把下面这段改写成一条居民群通知，分三行：第一行时间地点，第二行活动内容，第三行报名方式。总字数不超过 100 字，必须保留「二维码在楼下公告栏」这个信息，不要用感叹号。原文：……

这一版基本可以直接发。你做的事只有一件：把「你脑子里默认知道、但没说出口的要求」写出来。

三次迭代下来，你会发现一个规律：输出的质量，几乎等于你输入里被明确写出来的信息量。这不是玄学，是把模糊的期待翻译成可验收的标准。

4.4 从文字往外扩：表格、图片、语音的入门玩法

文字跑通之后，可以往外扩一点。所谓「多模态」，说人话就是：模型不只能处理文字，还能处理图片、表格、语音这些形态。入门阶段不用深究原理，知道三件事就够。

让它输出表格。在格式那一句里直接写「输出一个三列的 Markdown 表格，表头是：事项、负责人、截止时间」。拿到结果后复制粘贴，多数表格软件都能直接识别。比你手动整理快得多，尤其适合把一段会议记录变成待办清单。

让它看图。有一类模型能读图，你可以把一张截图丢进去问「这张图里的表格有几行」「这段文字写了什么」。要注意的是，图里的文字识别经常出错，涉及数字和专有名词，务必自己核一遍。

让它生成图。这是另一类任务，描述方式完全不同。文字任务讲「写什么」，图片任务要讲「主体 + 场景 + 风格 + 构图 + 光线」。比如不要写「一只猫」，要写「一只橘猫坐在木窗台上，午后侧光，浅景深，写实摄影风格」。新手最容易翻车的地方是让图片里出现文字——目前这类生成对文字的处理普遍不稳，能不写就不写。

注意：涉及真实人物照片、他人作品风格模仿、商业标识的图片生成，入门阶段一律绕开，别给自己找麻烦。

5. 新手最容易踩的五个坑：把「玄学」变成能排查的问题

用了一阵子之后，很多人会进入一个阶段：觉得这东西「时好时坏，全靠运气」。其实大部分「翻车」都有明确原因，也能对应到具体做法。这一章把五个高频场景拆开，按「现象 → 原因 → 解决」走一遍，你对它的掌控感会明显不一样。

5.1 五条高频翻车现场，逐条对照

坑一：它给你编了一份不存在的资料。

现象：你让它「推荐几篇相关论文」或「引用某个数据」，它给了你标题、作者、年份，看着特别正规，你去搜，搜不到。

原因：它在做的是「按规律续写」，不是「查数据库」。一份看起来像论文标题的文字，对它来说和写一句广告语没有本质区别，都是「接下来最可能出现的词」。它没有「我不知道」这个默认选项。

解决：凡是需要出处的内容，换一种问法——「只基于我下面提供的这段材料回答，材料里没有的信息，直接说『材料未提及』」。另一个办法是让它给出「应该去哪里查」而不是「查到了什么」，把核实这一步留给自己。

坑二：同一个问题问两次，答案不一样。

现象：你昨天问了一遍，今天再问，结论有出入，甚至互相矛盾。

原因：推理时带随机采样，加上对话上下文不同，两次结果本来就不会完全一致。这不是它「反悔」，是机制使然。

解决：要稳定的场景，就把要求写死——固定输出格式、给出一个示例、明确「只输出结论不要解释」。重要的事跑三遍，取三次都出现的部分，这个土办法比什么都管用。

坑三：聊到后面，它把前面的设定忘了。

现象：开头你说了「全文用正式书面语」，聊了十几轮之后，它开始冒出口语和网络词。

原因：你和它的全部对话都要塞进一次推理里，长度有上限。早期的内容会被挤掉或权重变低。

解决：两个动作。一是把关键设定在每一轮提问里简短重复一次，比如每次都带上「仍按正式书面语」。二是任务一换，就开一个新对话，别在一个窗口里从写通知聊到写代码。

坑四：要求提了一大堆，输出还是很空。

现象：你写了长长一段要求，「要有深度」「要有洞察」「要专业」，结果出来还是一堆正确的废话。

原因：「有深度」不是可验收的标准。它不知道在你的场景里，什么叫深、什么叫浅。

解决：给示例，别给形容词。贴一段你认为合格的范文，说「按这个风格和详细程度来」。一个示例胜过十句形容词，这是血泪经验。

坑五：拿它算数、算日期、算金额，错得离谱。

现象：一段简单的加减、一个「三个月后是几号」，它答得理直气壮，但你一算，不对。

原因：它是语言模型，不是计算器。数字在它眼里和词差不多，是在「续写」而不是「运算」。

解决：让它输出算式或者一段可执行的代码，你自己跑一遍；或者干脆自己按计算器。这类任务上，别指望它，也别因为它错了就否定它在别的任务上的价值。

5.2 三分钟自查清单

每次结果不满意，先别急着重写提问，按这个清单过一遍，通常三分钟内能定位问题：

1. 我有没有明确说出「要什么格式」？段数、行数、要不要表格、要不要小标题。
2. 我有没有给出材料？还是指望它凭空知道背景。
3. 我有没有写「不能做什么」？字数上限、禁用词、必须保留的信息。
4. 我给的是形容词还是示例？「专业一点」换成一段范文。
5. 这个任务是不是本来就该我自己做？算账、查最新信息、担责判断。
6. 对话是不是太长了？换个新窗口重开一次，往往立刻变好。

这份清单我贴在便签上用了很久，前两个月几乎每天都用得上。等到不用看也能条件反射地问自己这几句，你就过了新手期。

6. 下一步学什么：从「会问」走到「会搭」的四步路

很多人卡在这一步：提示词会写了，日常够用了，然后呢？给一条我自己走过的四步路，每一阶段大概花多久、练什么、什么算过关，都写清楚。

第一阶段，重点是「攒」。别每次从零想提问，把用得顺的模板存下来，按场景命名：写通知、压缩材料、整理会议记录、改语气。攒到五条以上，你的效率会有一次明显的跳跃。

第二阶段，重点是「判」。这一步比学新技巧重要得多。具体做法是：每次拿到输出，先别用，花三十秒问自己三个问题——哪句是它编的？哪句是我没要求但它在凑字数？如果发出去，最坏会怎样？练久了，你对「哪类任务它靠得住」会形成直觉。

第三阶段，重点是「串」。单个提问解决单个动作，流程解决一整件事。比如「整理一场分享的内容」可以拆成：转写文字 → 提炼三个要点 → 生成一页提纲 → 改写成一段总结。每一步的输出都是下一步的输入，你只负责在中间检查。课件里讲的应用实践，本质上就是这类流程的拆解，值得对着抄一遍。

第四阶段，重点是「守住」。知道它在哪会翻车，比知道它有多强更值钱。

再说一个小技巧，专门治「学了很多但用不上」：给自己定一条规矩，每周只挑一件真实发生的事，用它完整做一遍，从提问到交付。做完记一行字：这次哪里卡住了。一周一行，一个月四行，比看四小时教程有用。

我自己的教训是，最开始那两个月，我把时间全花在「研究它有多强」上，收藏了一堆技巧，真到要用的时候一条也想不起来。后来我改成每接一个真实任务，就强制走一遍「先写五句模板 → 再检查输出 → 最后记一行卡点」，进步速度完全不一样。从那以后我每次想学新工具，都先找一个真活儿干一遍，再回来补理论。

希望帮到你。

本文还有配套的精品资源，点击获取