大模型术语人话版：把LLM当成一个打工人

前言

大模型一年之内名词井喷：预训练、SFT、RAG、多模态、Agent……每个词都认识，连起来就看不懂。这篇用一个人话版的比喻把它们串起来——把大模型当成一个打工人，你会发现所有概念都顺理成章。

一、模型本体：这是个什么样的打工人

大模型：一个替代人来打工的打工人。知识工作者他基本都能替代——设计师、客服、文员，顶多缺点创意；体力活也能干，但需要一副好身体（机器人硬件）。

从头训练 / 自训练：他爸他妈自己在家教出来的小孩，没上过正经大学，学得好不好全看命（家里的经济水平和智力水平）。上限有限，顶天初中毕业。

预训练基座模型：正经大学毕业，三四年正统教育，全面素质培养过。不管后面干什么，起码学起来快。

开源大模型：大学毕业后自己找工作，简历上写会啥，懂行的老员工也知道怎么带。以后干什么，全看老板（部署方）安排。

闭源 / 商用大模型：自认为很强、不需要人带的员工。不找工作，只接项目。

二、参数量：他要多少工资

2.7B、7B、32B：参数量，数字乘以 10 亿。可以理解为工资要求——2.7B 是月薪 2700 的员工，有些天赋好的 2.7B 能干到 7B 员工的活，但没这个待遇（算力）他就不干活。比如 32B，最少得一台 32000 价位的电脑才跑得起来。

Llama、Qwen 这些名字：哪个学校毕业的——谷歌大学、阿里大学还是百度大学。学校有光环加成，但真正干活还得看「工作经验」（参数量），也就是职级。

三、能力进阶：毕业之后的深造

FT / SFT 微调（监督微调）：大学毕业后又读了两年研究生，有导师带着系统学了某个领域，甚至做过项目——在这个领域可以发挥出比应届生更强的水平。

RAG（检索增强知识库）：入职后单位老师傅手把手带了一段时间，把师傅会的能力都教给他。能力上限就在师傅附近上下浮动——除非这个毕业生天赋更高（参数更多，工资也更高）、名校毕业（预训练底子更好）。

垂直训练大模型：定向培养的大专生，自己领域有点基础，但天赋（参数量）一般，能力只在自己培养的方向上有积累，指望他干别的基本没戏。

四、部署形态：全职员工还是外包

本地大模型：公司雇佣的全职员工，用公司的电脑办公，基本上不会外泄公司机密（除非被网络攻击）。

云端大模型：公司请的咨询顾问或外包，自带电脑办公。外不外泄公司机密，全凭良心（其实是他所属公司的意愿）。

五、技能与协作

多模态大模型：一个模态就是一个技能——读写文档、画图、做视频、翻译。会多一个技能就叫多模态，比如能输入文字生成图片（文生图），就是个二模态大模型。

Agent 智能体：好几个员工组成的小团队或小部门。一个大模型当 leader，下面几个打杂的小弟，一个 agent 就是一个小弟。通过多个员工的分工协作完成一个具体项目。

Prompt 提示词：他拿到的员工手册和岗位职责。他基本按手册干活——手册写得越清楚，活干得越好。

推理：上级交代了一个任务，他根据自己的知识和领导的要求去做。领导的要求越有逻辑、越明确，他干得越好。

幻觉：他虽然不会，但是可以编，反正把事情糊弄过去就行。被发现了他就道歉。

术语速查表

总结

这套比喻的精髓在于「按劳分配」：参数量对应工资（算力成本），预训练对应学历，微调和 RAG 对应入职后两种培养方式（上课 vs 师傅带）。选型时先问自己：这个岗位（场景）需要什么学历、什么工资的员工，要不要深造（微调），还是找个老师傅带一带（RAG）就够——答案自然就出来了。