大模型核心原理与应用极简入门

在人工智能时代，大模型正以前所未有的速度渗透到人们生活的方方面面。它们能写文案、编代码、聊天、生成图像……对于大多数没有技术背景的读者来说，这些“看得见”的能力背后，究竟隐藏怎样的底层逻辑与技术路径？本书正是为了解答这一问题而编写的。全书通过图解与通俗易懂的语言，帮助读者真正“看懂”AI模型的工作原理与发展历程。本书不堆砌公式，不假设读者有算法背景，引领读者穿越语言与智能的技术迷雾，构建对大模型的系统性理解。

本书面向的是希望理解、掌握并应用大语言模型（如ChatGPT、GPT-4、Claude、DeepSeek等）的人群，只要是希望能跟上AI时代的步伐，无论读者是否具备算法背景，本书都能提供有益的帮助。

贺夏龙，哈尔滨工业大学计算机专业毕业，中国计算机学会（CCF）高级会员，拥有10年以上互联网工作经验，负责过亿级DAU的推荐系统建设，具备从0到1构建推荐系统、用户画像系统、内容理解系统等能力，主攻用户画像、NLP算法方向。

自序



第1篇 认识NLP

第1章 什么是NLP：机器学舌，语出惊人 002

1.1 人类语言之谜：奇迹背后的复杂性 003

1.2 NLP的核心概念：让机器听得懂，讲得出 009

1.3 基础语言学：为机器打下语言的“地基” 017

第2章 NLP的发展历程与应用 029

2.1 技术的春秋：从规则到大模型的进化史 030

2.2 NLP的日常应用：机器如何“说人话” 034

2.3 科技与语言的奇妙相遇 049



第2篇 技术深度剖析

第3章 大模型时代之前的NLP技术变迁 052

3.1 初探NLP技术：规则驱动时代，机器“死记硬背” 053

3.2 统计方法的崛起：从“数词”到“算语境” 057

3.3 机器学习的引入：让机器学会“听话办事” 064

3.4 深度学习的变革：让机器“理解”语言 070

3.5 从“简单机械”到“智能语言” 078

第4章 编解码、注意力机制与Transformer的革命 080

4.1 编解码器简介：信息如何传递 081

4.2 注意力机制的灵感：如何精准捕捉关键信息 087

4.3 Transformer的突破：高效并行的架构设计 097

4.4 图解Transformer：结构与权重的可视化 102

4.5 Transformer的演进 115

第5章 从BERT到GPT、DeepSeek系列——大模型的崛起 117

5.1 BERT的核心理念：双向编码，左右开弓 118

5.2 GPT的进化之路：从萌新到“聊天王者” 127

5.3 ChatGPT的秘密：强化学习让AI更“懂你” 135

5.4 DeepSeek崛起：中国力量在大模型领域的贡献 150

第6章 如何训练大模型——从数据到超级计算机 164

6.1 大模型的“三驾马车”：数据、算力与算法 165

6.2 大模型训练的“全流程揭秘” 174

6.3 硬件与成本：训练大模型的平衡考量 181

6.4 借助平台，训练不必从零开始 186



第3篇 应用与未来

第7章 提示工程：写给大模型的魔法咒语 196

7.1 提示词是什么：让大模型听懂人话的“语言咒术” 197

7.2 如何写出好提示：构造有效提示词的黄金法则 202

7.3 提示工程的实战技法：从单轮提示到多轮协同 211

7.4 实用案例＋评估方法：编写、调试、评估三步走 219

7.5 工具与挑战：从写提示到管提示的全流程 229

第8章 大模型API与Agent应用——让智能更贴近业务 240

8.1 大模型API的“开箱体验” 241

8.2 用案例打开“智能魔法”的新大门 247

8.3 低代码平台x大模型：双剑合璧的时代来了 257

8.4 Agent平台：从大模型到智能体的新玩法 263

第9章 大模型的局限与挑战——AI世界的“不完美”清单 275

9.1 大模型的短板：看似万能，其实也有软肋 276

9.2 伦理与社会问题：AI的“灰色地带” 283

9.3 面向未来：模型的强化与趋势 288



后记 299