01 它是干嘛的
ChatGPT 把「大模型」从实验室和开发者工具里拿出来，做成一个人人打开浏览器就能用的聊天框。它解决的核心其实不是技术问题，而是使用门槛：只要你会打字，就能用上当时最先进的 AI。它也是 OpenAI 从研究机构转向消费产品公司的关键一步。
02 为什么会有它
2022 年 11 月之前：普通人想用上大模型，只能面对黑乎乎的命令行
在 ChatGPT 出现之前，大模型其实已经存在了。GPT-3 在 2020 年就对外开放，但它长在 API 里：你要先注册开发者账号、看懂接口文档、动手写代码、再绑定付款方式，才能让它回答你一个问题。会用这套东西的人全世界只有一小撮程序员和研究者。对绝大多数人来说，AI 是新闻里的一个词，不是能伸手摸到的东西。
更关键的问题是「好不好用」。早期的模型只是被训练来「接着往下写」：你问它问题，它可能不去回答，而是续写出一段跟你问题长得很像的句子。研究者发现，光让模型读海量文本还不够，还得教它「什么样的回答更让人满意」。这就是 RLHF——基于人类反馈的强化学习：先让人给模型的多个回答打分、排序，再用这些偏好反过来调教模型。这一步是模型从「能说」变成「好用」的关键。
2022 年 11 月 ChatGPT 上线，界面简单到只有一个输入框和一段欢迎语，还免费。五天用户破百万，两个月破亿。它做的并不是把模型能力提高一个台阶，而是把「用 AI 的门槛」从写代码降到了一句话。从这一刻起，大模型真正变成了一种大众消费品。
03 它怎么工作
大模型并不像人那样「想好整段话再写」，而是一次只预测下一个字，把这个字接上去，再预测下一个，如此循环几十上百次，直到说完。这个过程叫自回归生成。
你打字之后，模型是怎么一个字一个字吐出回答的
- 1① 输入被切成 token
你打的句子会先被切成一段段「token」（可理解为一个词或半个汉字），模型只认这些小块，不认整句话。
- 2② 每个 token 变成一串数字
每个 token 被翻译成一串数字（向量），句子的先后顺序和位置也被编码进去，这样模型才知道谁在前谁在后。
- 3③ 自回归地预测下一个 token
模型根据前面的全部内容，算出一张「下一个 token 的概率表」，比如「你」后面接「好」的概率最高。
- 4④ 采样策略决定选哪个（温度）
它不会永远选概率最高的那个（那样回答会死板重复），而是按「温度」参数带一点随机性地抽。温度调高更天马行空，调低更稳定保守。
- 5⑤ 循环直到结束
每生成一个 token 就把它接回输入，继续预测下一个，直到吐出一个表示结束的特殊符号。所以输出越长，消耗的计算和时间越多，费用也越高。
04 谁在用它
写邮件、写周报、起标题、改简历，先让它出个草稿你再改，比从一张白纸开始快得多。
不懂的概念直接问，让它用大白话解释，还能一路追问「再简单点」「举个例子」。
把乱糟糟的会议记录整理成要点、把长文压成摘要、把一段话中英互译。
描述你想实现的功能，让它给出代码片段并解释；报错了把报错信息贴回去继续问。
模拟面试、练外语对话、头脑风暴点子，找一个随时在线、不会不耐烦的对话对象。
05 怎么用
门槛几乎为零：打开网页或装个 App，注册账号，会打字就能用。
- 01打开 ChatGPT 网页或下载官方 App，用邮箱或手机号注册账号。
- 02在输入框里直接打你的问题，回车发送，等它逐字吐出回答。
- 03回答不满意就接着追问，或者点重新生成；同一个问题它每次答案会略有不同。
- 04复杂任务把它拆开问：先让它列大纲，再逐段写，效果通常比一句话全说完好。
- 05免费版有次数与速度限制，用得多可以订阅 Plus，获得更强的模型和更快的响应。
避坑提示
- !它可能说得理直气壮但其实是错的（业内叫「编造」或幻觉），涉及事实、数字、法律、医疗的内容务必自己核实。
- !不要把身份证号、银行卡、公司机密等敏感信息直接发给它。
- !提问越具体，回答越好：把背景、目标、格式要求一次说清，比反复纠正省事。
- !它默认不知道你的私人文件和最新消息，除非你主动把资料贴进去，或使用带联网、检索的功能。
06 关键概念
- 大语言模型（LLM）
- 读遍海量文本、学会了「下一个字大概是什么」的巨型程序，本质是个超级接话高手。
- token
- 模型眼里的最小文字单位，一个 token 约等于一个词或半个到四分之三个汉字，计费和输入长度都按它算。
- RLHF（人类反馈强化学习）
- 先让人给模型的多个回答排序打分，再用这些偏好反过来训练模型，让它学会说有用人爱听的话。
- 温度（Temperature）
- 控制回答随机性的旋钮。调低更稳更准，调高更有创意也更可能跑偏。
- 上下文窗口
- 模型一次能记住的最大内容量，超出部分它看不到。