大语言模型入门:从零到第一个好结果
你在使用 AI 助手的第一周需要了解的一切:大模型真正擅长什么、哪些事不能全信它,以及新手最常犯的三个错误。

大模型到底在做什么?
大语言模型本质上是一台文本预测机器:读过数十亿样本后,它学会了为任何文本写出最可能的续写。这一简单能力让它在起草、摘要、翻译、头脑风暴和讲解方面表现出色——但也意味着它的知识停留在训练时点,有时会以十足的自信写出完全错误的话(幻觉)。
- 擅长:改写和润色、总结、翻译、头脑风暴、用通俗语言解释复杂概念。
- 需谨慎:精确数据、现行法规与价格、敏感计算以及任何需要出处的论断。
- 黄金法则:凡是打算公开发布的输出,都要先经过人工核验。
真正有效的第一批发送指令
好的提示词由三部分组成:背景、任务和输出格式。与其说「写一篇关于邮件营销的文章」,不如说:「面向小店主,用亲切的语气写三段关于邮件营销入门的文字;最后给出一个具体的下一步。」受众、目标和约束越清晰,结果就越可用。
- 说明受众与目标:「给技术经理看」「用于客户提案」「作为演讲备注」。
- 一开始就粘贴完整文本或文件;比起零碎描述,模型看到全貌时表现更好。
- 在结果上迭代而不是重来:「再短一点」「语气更正式」「加个例子」。
先从哪个助手开始?
三大主流助手——ChatGPT、Claude 和 Gemini——都提供可用的免费档;在最初的几周里,你写的提示词比背后是哪个模型更重要。先选定一个并用上几周,之后再按工作类型扩展。
- ChatGPT:全能型,工具生态最庞大。
- Claude:在长文档分析、写作和编程方面很强。
- Gemini:如果你日常使用 Gmail、云硬盘等谷歌生态,它是最自然的选择。
第一周常见的三个错误
糟糕的初次体验大多源于三个习惯。好消息是:改正它们只需要换一点方法,不需要什么技术知识。
- 1. 不核验就采信:数字、引文和出处要与原始来源对照。
- 2. 提示含糊:如果回答很泛泛,缺的几乎总是背景信息,而不是模型太差。
- 3. 过早下结论:一个坏答案只说明一次提示不好——多迭代几轮再下判断。