什么是大语言模型（LLM）？
Large Language Model —— 基于海量文本训练、能理解和生成人类语言的大型人工智能模型。
核心概念：Prompt
Prompt（提示词）
发给 AI 的指令。高质量 Prompt = 角色设定 + 任务描述 + 输出格式 + 约束条件。
❌ 低质量：「帮我写周报」—— AI 只能靠猜测，输出泛泛而谈。
✅ 高质量：「作为运营经理，请按本周核心成果、关键数据、下步计划三部分，输出不超过 200 字。」
💡 同一个任务，加角色 + 格式 + 字数约束后，AI 的输出从「能用」变成「直接用」。
Prompt 四要素结构
📐 格式
Format
表格输出，含产品名/优势/劣势
🚦 约束
Constraint
不超过 500 字，不用营销话术
更多核心概念
Token（令牌）
AI 阅读的最小单位。1 个汉字 ≈ 1-2 Token，模型按 Token 计费和限制上下文长度。
👇 5000 字合同 ≈ 8000 Token，若模型窗口仅 4096 Token → 后半截被截断，审阅结论不完整。
Context Window（上下文窗口）
AI 单次能记住的信息总量。窗口外内容被「遗忘」，多轮对话需定期总结。
👇 连聊 30 轮后 AI 忘记第 5 轮的决策 → 每 10 轮让 AI 总结一次，摘要作为下文新起点。
实用技巧
▸
Token 计算器
用 OpenAI Tokenizer 提前估算长度，发送前确认不超窗口上限，省去「重发一遍」的试错时间。
▸
分步提问法
复杂任务拆成多轮：第 1 轮列提纲 → 第 2 轮展开 → 第 3 轮补充数据。逐轮质量远超一次性输出。