你可能会说：
- “AI 为什么每次给我的方案都长得差不多？”
- “同一个问题问两遍，为什么答案不一样？”
它是什么
大模型做的事情，本质上是续写：根据前面所有的文字，预测下一个最可能出现的词，再接着预测下一个。它见过的写法越常见，越容易被写出来。
这解释了它的两个脾气：一是默认给你"最常见的样子"，网站就是常见的模板，文案就是常见的腔调；二是它说得很流畅，但流畅不等于正确，没见过的细节它也会顺着写下去。
同一个问题两次答案不同，是因为每一步都在按概率挑词，不是每次都挑最可能的那一个。要结果稳定，就把要求写具体，把参考和限制交给它。
打个比方
像一个读遍了全世界菜谱的厨师：你说"做道家常菜"，他最先端上来的，是菜谱里出现次数最多的那道，而不是你家里人最爱吃的那道。
在这个网站里
兄弟项目 E2E Review 的 AI 导师背后就是一个大模型：后端把学员的问题和当前页面的资料一起发给模型接口，模型逐字写出回答。代码里的默认模型是 glm-4.7，通过兼容 Anthropic 格式的接口调用。
容易搞混的地方
常见误解
大模型会查资料，所以它说的都有出处
正确理解
默认情况下它只是在续写，出处要么来自你给它的资料，要么需要它调用搜索之类的工具。没有给资料时，看起来很具体的细节也可能是编的。
你可以这样告诉 AI
复制下面这段，贴给你的 AI
在动手之前，先列出你对这个项目做了哪些默认假设（框架、托管平台、页面结构、风格），逐条标明哪些是我明确要求的、哪些是你按常见做法猜的，让我确认后再写代码。
接下来去哪
接着看
- 提示词——你交给模型的全部文字：要求、背景、参考、限制。模型只能根据它看到的这些来写。
- 上下文窗口——模型一次能"看见"的文字上限。超出的部分，要么被截掉，要么被压缩成摘要。
- 幻觉——模型把不存在或不成立的东西，说得像真的一样：流畅、具体、语气笃定。
在这些课里出现
相关的真实事故