05 从补全到对话
为什么 API 叫 Completions
很多人第一次接触大模型 API，会看到 Completions 这个词。API 为什么不直接叫“回答问题”，而要叫“补全”？理解这个名字，你就能抓住大语言模型最基础的工作方式：根据前面的内容，继续往后生成。
一句话回答
Completions 的意思是“补全 / 继续生成”。大模型 API 早期这样命名，是因为模型最基础的动作就是：读取你给的前文，预测下一个 Token，一个接一个生成，最后补成一段完整回答。
01 Completion 到底是什么意思
plain meaning
先把词翻译成人话
Completion = 补全：给一段前文，让 AI 接着往下写
比如你写“今天天气非常……”，人会自然接“好”“热”“不错”。大模型也是类似：你给它输入，它根据上下文预测后面更可能出现什么内容。只是它的补全能力非常强，可以补文章、邮件、代码、解释、方案，甚至一整段对话。
输入前文今天天气非常
→
预测后续好 / 热 / 不错
→
形成答案今天天气非常好。
02 API 为什么会用这个名字
generation flow
1给模型输入可以是一句话、一个问题、一段代码或一组对话。
2读取上下文模型会看前面已经出现的内容和限制条件。
3预测 Token判断下一个小片段最可能是什么。
4继续生成把新 Token 加回去，再预测下一个。
5得到结果很多 Token 连起来，就变成完整回答。
03 点一个例子，看它到底在补全什么
completion lab
输入：知识问答
看起来像回答，其实也是继续生成
你给模型的前文
中国的首都是
我们看到的是“回答知识”，底层动作仍然是根据前文预测最合理的后续内容。
04 Chat Completions 又是什么
roles in chat
聊天只是把补全包装成对话
Chat Completions = 给一段对话，让模型继续回复
用户更习惯聊天，不想自己拼一大段提示词。于是 API 把消息按角色整理好：System 讲规则，User 提问题，Assistant 给回复。模型看到这段对话后，继续生成下一条 Assistant 消息。
System你是一名 AI 入门老师。
User什么是 Token？
AssistantToken 可以理解为 AI 处理文字的小颗粒……
05 三种接口名字，小白这样理解
api evolution
Completions
给一段文字，让 AI 继续生成
适合理解大模型最原始的生成方式：前文进来，后文出来。
Chat Completions
给一段对话，让 AI 继续回复
把 System、User、Assistant 分清楚，更适合做聊天产品。
统一接口
不只聊天，还能连接工具和多模态
现代 AI 不只生成文字，还可能读文件、看图片、调用工具和参与 Agent 流程。
06 为什么 Prompt 这么重要
context matters
弱提示
帮我写文章。
上下文太少，模型只能自己猜：写给谁？什么主题？什么风格？多长？要不要案例？
强提示
你是一名 AI 科普作者，请面向完全不懂 AI 的小白，写 800 字文章，少用术语，多用生活案例。
前文条件更清楚，模型补全方向就更稳定，输出更容易接近你的目标。
07 理解 Completions，也能理解幻觉
why hallucination
不是查库
它不是从数据库里取标准答案
模型更像在生成合理后续内容，所以语气自信不等于事实一定正确。
依赖上下文
前文错了，后面就可能顺着错下去
错误背景、过期资料、含糊问题，都可能把生成方向带偏。
需要校验
重要内容要接资料、搜索和人工审核
尤其是法律、医疗、金融、最新政策和企业关键业务，不能只看 AI 说得顺不顺。
08 最后用一条线记住
simple line
输入问题 / 前文 / 对话
→
上下文模型读取条件
→
预测 Token一个接一个
→
完整回答生成结果
本节小结
- Completion 可以理解成补全或继续生成。
- 大模型看起来在回答问题，底层是在根据上下文生成后续 Token。
- Chat Completions 是把对话角色组织好后，再生成下一条回复。
- Prompt 不是魔法口诀，而是在给模型提供更好的补全条件。