第 1 章/报到
它是去哪儿找到答案的？
小满报到第一天，你想试试他的成色，说了半句话：“今天下午的部门例会，我想先……”
他立刻接上：“请大家看一组数据。”接得挺自然。
你又问：“昨天的例会上刘主任说了什么？”他很老实：“我没有会议记录，不知道。”可你换个说法，只给他半句：“昨天的部门例会上，刘主任强调，今年部门的工作重点是……”他毫不犹豫地接了下去：“提升客户满意度，为此要重点做好三件事……”一二三条，条理清楚。
刘主任昨天说的，其实是评聘和培训。
我们常以为，AI 回答问题是去哪儿“查”了答案。其实不是。它做的事情只有一件：接着你的话往下说。
一个词一个词往下接
读过海量的文字。读得多了，它就知道一句话说到这里，后面最可能跟着什么。你给它半句话，它挑一个最像样的词接上；接上之后，再挑下一个。一篇文章，就是这样一个词一个词接出来的。
下面这台接龙机，用的就是 DeepSeek 真实给出的候选词和可能性。点一个候选，替他选下一个词，看句子往哪儿走。
接龙机：他下一个词会说什么
下一个词，他心里的候选
把滑杆拨向“稳”，他几乎总挑最可能的那个词；拨向“野”，冷门的词也有机会被选中。这个滑杆叫。同一个问题问两次答案不一样，就是因为每次接龙时挑的词不一样。
接得通顺，不等于接得对
这就解释了开头那件事。直接问他，他会说不知道，那是他被专门教过的礼貌。可你只给半句话，他的本能就露出来了：顺着“例会”“刘主任”“工作重点”这些词，接出一段最像例会发言的话。他没有去查，也查不到。
所以：
- 他擅长的，是“接得通顺”就算做好的事：写、改、总结、翻译、出点子。
- 他容易错的，是只有一个正确答案的事：昨天到底说了什么、今年的数字是多少、文件编号是哪个。
- 他说错时的口气，和说对时一模一样。流畅是接出来的，不是查出来的。
后面几节，都是从这一点长出来的。
Token：他读写的最小单位
模型不是按“字”也不是按“词”读文字的，而是按 token。一个 token 可能是一个字、半个词，也可能是一个常见词组。我们拿 DeepSeek 的接口实测过：一段 285 个汉字的周报，算下来约 147 个 token，大概两个字一个；同样意思的 84 个英文单词，约 97 个 token。计费、长度上限，都按 token 算。
下一个词预测：他每次只做一件事
每一步，模型只算一张表：“下一个 token 是谁，各有多大可能”。挑一个接上，再把整段连同新接上的这个一起送回去，算下一张表。一篇周报就是这样一步步接出来的。上面接龙机里的候选和百分比，就是这张表的前几行，是接口真实返回的（字段叫 top_logprobs）。
参数和预训练
“6710 亿参数”（DeepSeek-V3 公布的规模，常写作 671B）指模型里有这么多个可以调的数字。预训练就是让模型读海量文本、一遍遍猜下一个 token，猜错了就微调这些数字，直到猜得足够准。读完这一遍，他就“博学”了，但也只学会了接得像。
对应到小满： 他读过的书是预训练数据，他的脑回路是那几千亿个参数，他说话的方式是一个 token 一个 token 往外接。
现在试试· 用 接龙机，或 DeepSeek，五分钟
- 在上面的接龙机里，选一个开头，连续点五次最上面那个候选。
- 回到开头，这次每一步都选第二个。看看两条路在哪一步分开。
- 在 DeepSeek 里问一件它不可能知道的事，比如“我们部门上周五开会说了什么”，看它会怎么回答。