# 前言
从25年年初开始，AI Agent有了崛起之势。在使用或者学习Agent的时候，就开始有一个被我忽视的且很重要的概念，那就是“大模型究竟能做些什么？”
#跟踪
如果单独使用大模型提问，或许很容易回答这个问题。我们向大模型提问，大模型通过自身知识库生成我们想要的内容。所以，如果通过Chat类型使用大模型，那么它的作用就是内容生成。
#分析
如果系统地将大模型在整个Chat过程中串联，亦或是将大模型结合MCP、Agent，将其作用进行整体总结，那它可不仅仅是内容生成这么简单。
一，Chat模式下大模型的作用；
1，何为Chat模型：当前最普遍的输入框提问，大模型通过对话形式进行输出的模型，就是Chat模型，例如GPT、DeepSeek、豆包、千问等，C段用户基本都是通过这种输入框提问的模式，称之为Chat模型。
2，Chat模型下大模型能干嘛？
[1]，自然语言理解能力，理解用户提出的问题；
# 1，语义理解：
## 示例：
###用户提问：
“古时候的东京是哪个朝代的都城？”
###大模型理解过程：
获取提示词 – 提取关键字 – 通过关键字和当前语义环境理解，具体理解过程：
【1】获取提示词之后，看到提示词是中文，大模型就会猜想这里的“东京”，肯定指的是中国古时候的“东京”，而不是日本东京。
【2】根据提示词中的关键字，理解朝代、都城等关键字后，去大模型的知识库匹配结果，最后进行输出；
###大模型输出（简略）：
（1），北宋东京；
（2），隋唐东京;
#2，上下文理解
## 示例：
###用户提问：
Chat_Q_1：“我的祖国是中国，它的面积有多大？”
Chat_Q_2：“它的年龄是多大？”
###大模型理解过程：
当模型获取当前对话中以往用户输入的提示词 – 根据会话中所有的提示词进行语义的理解，具体过程为：
【1】，大模型获取第一个问题，“我的祖国是中国，它的面积有多大？”，再回答第一个问题；
【2】，当第二个问题提出后，大模型会记忆第一个问题以及其语义，回答第二个问题的时候，会通过第一个问题的语义去理解“它”具体指的是谁，然后回答“中国的年龄有多大？”这个具体问题；
这就是大模型根据用户上下文去理解语义。
其实在大模型内部，当用户第二次提问的时候，在传参的时，将第一个问题的token以context的形式传递给了大模型，这样它才有了记忆能力，如下：
#3，推理能力，大模型可以通过自身的推理能力，去理解用户提示词中的一些语义
## 示例1：
###用户提问：
“假设X + 2等于10，那么X等于多少？”
###大模型推理过程：
【1】，获取关键点：方程是：X + 2 = 10；
【2】，计算X：X = 10 – 2，X = 8；
【3】，检查等式两边是否相等：8 + 2 = 10；
###推理解释
首先大模型获取到问题（提示词）之后，会进行一些关于数学、物理、逻辑学等一些科学的推理，从而得到结果。这不是最重要的，最重要的是，当推理完成得到结果之后，它会进行反向验证，验证自身的推理是否正确。以上就通过8 + 2 = 10进行了验证。
## 示例2：
###用户提问：“如果所有的猫都会飞，阿素也是一只猫，那么阿素会不会飞？”
###大模型推理
如图所示：
#4 多模态理解
## 音频理解
whisper转录文字，然后理解其文字；
## 图片、视频理解
多模态理解能力
## 3D等物理空间理解