LLM
模型架构LLM 是 Large Language Model（大语言模型）的缩写：一个读过海量文本、靠”猜下一个词”来续写和对话的模型。这一轮 AI 浪潮的发动机就是它。
LLM 是 Large Language Model 的缩写，中文叫"大语言模型"。名字已经把家底交代了一半：大（参数多）、语言（吃文本长大）、模型（从数据里学出来的）。
它的工作方式挺反直觉：本质是在"猜下一个词"。你给它一句话，它根据读过的海量文本，算出概率最高的下一个词，再接着猜，连成一段回答。所以它不是"查字典"，而是"凭语感续写"——这也解释了为什么它偶尔会一本正经地胡说（行内叫幻觉）。
“大"是关键。2018 年前后的小模型也能聊，但一到百亿、千亿参数级别，突然就"通"了：能写代码、能推理、能顺着你的话接梗。这种规模带来的质变，叫"涌现能力”，到现在也没人完全说清原理。
LLM 是这一轮 AI 浪潮的发动机。AIGC 靠它生内容，Agent 靠它做决策，RAG 靠它接外部知识。你可以把它理解成"一个读过很多书、但不会动手查资料的聪明人"——这也是为什么后面要给它外接工具（见 Agent、MCP）和知识库（见 RAG）。
和谁不一样
AIGC
LLM 是技术底座（一类模型），AIGC 是它生产出的内容形态。
Transformer
LLM 是模型品类，Transformer 是它底层的架构（设计图）。