大语言模型教程

Large Language Model Tutorial

第 1 步：欢迎

欢迎来到 AI Pedagogy Project 的 AI 指南！这个互动资源旨在帮助你探索大语言模型（LLM），并理解它们如何工作，尤其是在教育场景中如何工作。

无论你是刚开始接触 AI，还是希望加深理解，这份指南都提供了一个学习、实验和反思的空间。

我们将从一个使用 ChatGPT 的分步教程开始。ChatGPT 是 OpenAI 创建的产品，由大语言模型提供支持。如果你还不熟悉“大语言模型”等术语，可以查看第一部分“AI 入门”中的“术语表”。

虽然这里以 ChatGPT 为主要示例，但相关概念也适用于 Anthropic、Google、DeepSeek 和其他提供方开发的模型。这并不是对某个单一工具的背书。

在本教程中，你将学习使用 LLM 时关键的应该做和不该做的事，澄清常见迷思，并开始批判性思考：在你的实践中，负责任地使用 AI 可能意味着什么。

这个指南还包含什么？

第一部分：AI 入门

介绍基础概念，探索 AI 的优势与局限，并提供实践规范示例。

第二部分：探索大语言模型

邀请你比较 ChatGPT 和 Claude，并实验这些工具的设置、提示词和 temperature 参数，观察细微调整如何改变它们的回应。

第三部分：资源

提供额外材料，包括 AI 使用规范示例、学术诚信资源，以及帮助你继续深入学习的精选链接。

你不需要成为 AI 专家，也可以认真地参与这些工具的讨论。现在比以往任何时候都更需要教育者、艺术家和人文学者的视角，来共同塑造 AI 在学习空间中的使用方式。

让我们开始吧！

第 2 步：写下你的第一个提示词

右侧窗口是 AI Pedagogy Project 的 ChatGPT 界面，它的工作方式与你在 OpenAI 网站上看到的界面类似。

大语言模型是驱动 ChatGPT 等工具的技术。它们会预测与你提示词文本最密切相关的词，并根据接下来最可能出现的内容输出回应。你可以把它看作更高级的自动补全：它基于预测运作，而不是基于对信息的认识。

现在你已经对这项技术的工作方式有了基本理解，试着写下你的第一个提示词。

可以输入类似下面的问题，然后按回车：

• “你是什么？”
• “你是谁？”
• “你在哪里？”

请注意，模型往往会用友好、配合、对话式的语气来回答。

安全提示

不要输入任何敏感数据，例如：

• 个人信息，例如信用卡信息、密码等。
• 他人的作品，例如未经许可的学生项目，或你没有权利使用的作品。

经验法则：如果你不会把它发布到社交媒体上，就不要把它输入大语言模型。

在许多情况下，相关公司，在这个例子中是 OpenAI，可以访问你输入的数据。

第 3 步：再次尝试同一个提示词

现在你已经尝试了第一个提示词，请再次输入完全相同的提示词。

例如，如果你在上一步问的是“你是什么？”，请再次输入同样的信息并按回车。

你会注意到，虽然输入的是同一个提示词，回应却与之前略有不同。这说明，即使给出相同信息，大语言模型的回应也可能发生变化。

它并不像计算器那样：你给出同样输入，就每次得到同样回应。

此外，虽然许多大语言模型包含网页搜索等功能，它们也不像传统搜索引擎。搜索引擎会根据关键词从网页中检索已有页面；大语言模型则会逐词生成回应，受到训练数据和你输入的提示词影响。

这意味着，虽然它可能解释概念、编写代码并进行对话，它也可能出错，可能受到训练数据或提示词影响，并且每次生成不同答案。

第 4 步：思考什么时候不应该使用 LLM

和所有工具一样，大语言模型在某些事情上更擅长，在另一些事情上则不适合。

由于它们被设计成看起来准确，而不一定真正准确，所以有许多情况下不应该使用大语言模型。

例如，法律建议、医疗咨询或财务决策等场景中，不精确或不准确的信息可能带来危险。这些都是你应当咨询专家或可信来源的情况。

如果你需要准确信息，不要只依赖大语言模型。对于非关键问题，它可以作为有用的起点；但这些工具也被设计成容易配合用户，并不一定准确呈现信息。

无论何时从大语言模型那里获得信息，你都应始终用外部、可靠来源进行验证。

第 5 步：思考什么时候可以使用 LLM

大语言模型可以成为实验文本和措辞的有用工具，尤其是在不需要唯一或正确答案的任务中。

例如，你可以用它来头脑风暴、总结大量信息，或把自己的想法拿来“工作坊式”讨论，从模型那里获得“反馈”。

可以尝试在聊天窗口中输入以下提示词：

• 为学生解释文学如何影响并塑造社会，头脑风暴三个想法，并包含例子。
• 在认知科学领域，有哪些入门术语需要了解？
• 用莎士比亚的声音写一首关于哈姆雷特的十四行诗。
• 爱的本质及其复杂性是什么？

请反思你收到的回应。你可能会对它写作的速度和篇幅印象深刻，但也要批判性看待内容。

请注意，模型会生成自信且相当有说服力的回应。因此，对你收到的任何输出保持批判性非常重要。

问问自己：

• 这些想法是否真的特别有创造力？
• 它呈现了哪些信息，又可能隐藏了哪些信息？

不要害怕用后续提示词挑战它，询问它为什么做出某个决定，或为什么向你呈现某些信息。

在使用 LLM 这样的 AI 工具时，把你的判断带入这个过程至关重要。

提醒：始终验证你获得的信息

每当你使用大语言模型时，在信任它分享的信息之前，都应始终用外部、可靠来源验证其回应。

大语言模型擅长预测并生成看似合理的答案，但并不理解任何概念。

第 6 步：大语言模型如何工作？

正如本教程前面提到的，大语言模型的工作方式类似智能手机、文字处理软件和电子邮件中的自动补全功能。

LLM 会分析你输入的文本，然后通过选择统计上最可能出现的下一个词来生成回应。这个过程会持续进行，直到完整回应生成出来。

那么，大语言模型如何判断哪个词在统计上最可能出现？

首先，工程师会使用大型数据集来“训练”模型，这些数据集可能包括书籍、网站和其他公开书面文本来源。

随后，模型可能会被“微调”。例如，微调可以用来防止模型生成违法或有害内容，也可以把模型调整到特定用途，比如某家公司客服。

当我们看到大语言模型这样的技术时，很容易以为所有工作都是自动完成的。然而，批判性看待让这类工具运转所需要的人类劳动非常重要。

许多 AI 公司使用剥削性的劳动实践，雇佣全球南方国家的工人审查极其露骨、暴力和令人不安的内容，以防止这些内容出现在 LLM 的输出中。原站在此处引用了 Perrigo (2023) 和 Koebler (2026)。

可以尝试输入：

“告诉我你是如何被训练的。”

注意它选择呈现哪些信息，又遗漏了哪些信息。

接下来做什么？

恭喜！你已经完成了 LLM 教程。

如果你准备好自己探索大语言模型，原站整理了一些可以实验的常见工具：

AI 模型

• OpenAI's ChatGPT
• Anthropic's Claude
• Google's Gemini
• Deepseek

开源 AI 模型

• Meta's Llama
• Mistral
• Public AI's Apertus

写作助手工具

• Chatsonic
• Jasper
• You
• Sudowrite
• Copy.ai
• RyterAI
• Chibi AI

学术研究工具

• Elicit
• Consensus

其他工具

• Perplexity，AI 搜索引擎
• Poe，可访问多个 AI 系统

OpenAI ChatGPT

模型标签：OpenAI's ChatGPT (GPT-5.2)。

欢迎来到 AI Pedagogy Project 的 LLM Tutorial。你可以随时在下方文本框输入提示词开始。