文本模型能做什么：写作、推理与代码

　　上一节，我们通过一段邀请完成了第一次 AI 对话。其实，同样是在输入框里输入文字，我们还可以让 AI 改写通知、分析两个人共同有空的时间，甚至帮助制作一个可以点击的物品清单。

　　这些任务看起来不同，却都可以借助语言模型完成。这一节，我们就从文字处理、条件推理和代码生成三个方面，看看语言模型能帮助我们做什么，以及怎样根据任务提出要求、使用结果。

语言模型能理解和生成文字

　　语言模型可以根据我们输入的问题、资料和要求，生成相应的文字。常见的大语言模型简称 LLM，其中“大”主要指模型的规模。我们平时说的“文本模型”，则更强调它处理文字的能力。

　　这种能力不仅可以用来聊天，还可以改写文章、总结资料、翻译语言、解释问题，甚至生成代码。同样一份材料，要求不同，得到的结果也可能不同。

　　需要注意的是，语言能力并不意味着模型只能处理文字。有些模型还可以理解图片等其他类型的信息，后面的课程会进一步介绍。

改写文字要保留原意

　　很多时候，我们已经知道要表达什么，只是还没组织好语言，或者希望换一种更合适的说法。这时，可以让 AI 帮助改写。

　　例如，下面是一条用于练习的物业通知：

周日上午九点到十一点检修供水，三号楼暂停供水，请住户提前准备生活用水。

　　如果想把它发到家人群里，就希望语气自然一些，内容也更简短。于是，我们把原通知和改写要求一起交给上一节使用的 DeepSeek 网页版：

　　一份符合要求的回答可能是：

　　提醒一下，三号楼周日上午九点到十一点会停水，记得提前准备好生活用水。

　　可以看到，表达方式变了，但停水时间、影响楼栋和准备事项都保留了。

　　如果 AI 写成“周日全天停水”，就改变了原来的时间；如果自行补充“到物业免费领水”，则加入了没有依据的安排。改写可以调整表达，但不能随意改变原意和事实。

　　这种能力也可以用于整理会议记录、缩短通知、解释专业文字。我们只需要根据实际用途，说明希望怎样调整表达，并提供必要的原始材料。

推理是根据条件得出结论

　　除了改写已有内容，我们还可以让 AI 根据已知条件分析问题，得出结论。

　　假设两位朋友想在下午见面一小时：小林两点到四点有空，小陈三点到五点有空。我们想知道，他们应该把见面安排在什么时候。

　　这时，需要把两个人的空闲时间和见面时长告诉 AI：

　　我们自己也可以沿着时间看一遍：两点到三点，小陈还没有空；四点以后，小林又没有空。两个人共同有空的时间，只有三点到四点。

　　图中，两条时间带分别表示两个人的空闲时间，重叠的部分就是可以见面的一小时。

　　这种根据已知条件分析并得出结论的能力，通常称为推理。这里说的是解决问题时的逻辑推理，与前面提到的模型运行过程中的“推理计算”有所区别。

　　不过，推理需要足够的条件。如果只告诉 AI“小林下午有空”，没有具体时间，就还不能确定双方是否有共同的一小时。

　　以后比较方案、安排日程或者分析问题时，我们也可以先提供已知条件和限制，再让 AI 给出结论。关键是让它获得解决问题所需的信息。

代码也是一种文本

　　除了日常语言，编写网页和应用还需要代码。代码同样由文字和符号组成，只是必须遵守编程语言的规则。

　　语言模型通过相关训练，也获得了生成、解释和修改代码的能力。因此，即使我们暂时不会编程，也可以先用日常语言描述想实现的功能，让 AI 帮助编写代码。

　　例如，每次出门前，我们都要检查钥匙、手机和雨伞有没有带齐。如果能做成一个可以点击的清单，带了一项就打勾，再点一次取消，会比普通文字更加方便。

　　我们可以把这个想法整理成要求，交给编码助手：

　　与前面的文字任务不同，代码最终需要通过运行来发挥作用。 做出清单后，我们可以实际点击：三项物品是否都显示出来？点击钥匙能否打勾？再点一次能否取消？

　　这里先认识语言模型能够帮助生成代码，以及我们可以怎样用实际操作检查功能。暂时不需要学习代码语法，到了第三章，我们会借助编码助手完整制作第一个小作品。

不同用途，需要不同的检查方法

　　文字改写、条件推理和代码生成，可以由同一个语言模型完成。但它们要解决的问题不同，我们提供的信息和使用结果的方式也有所区别。

　　可以看到，同样是通过文字与 AI 交流，我们可以让它完成不同类型的任务。 重要的是先想清楚希望获得什么，再提供完成任务需要的信息。

　　从修改一条通知，到分析时间安排，再到生成一个简单程序，我们已经看到语言模型不只是聊天工具，还可以帮助完成许多具体工作。

　　那么，如果我们希望 AI 生成一张图片、一段配音，甚至制作视频，又需要什么能力？下一节，我们就从文字走向图像、声音和视频，继续认识不同类型的 AI 模型。