学会语言怎么组织
预训练让模型掌握文字、代码、知识、语气和结构，可以写出很自然的内容。
05 从补全到对话
把“补全机器”变成聊天助手
上一篇我们讲了 Completions：大模型最底层的能力之一，是不断预测接下来应该出现什么。那问题来了：一个只会接着写的模型，为什么后来能变成 ChatGPT 这种会聊天、会回答问题、还知道自己是助手的 AI？关键在于：人类开始教模型怎么和人说话。
一句话回答
预训练让模型会“接着写”，但不等于会“像助手一样回答”。ChatGPT 这类聊天助手，是在基础模型之上继续做指令训练、对齐、System Prompt 和产品化，把“补全机器”训练成更懂用户任务的 AI 助手。
01 最开始的大模型，真的只是接着写
raw completion
先分清：补全不是聊天
它看到“用户：你好”，可能以为你在写一段剧本
早期基础模型看见一段文字，主要任务是继续生成。你写“中国的首都是”，它接“北京”，看起来像回答。但你写“用户：你好，请问你是谁？”，它可能继续编“用户、小明、旁白”的对话，而不是意识到“现在有人在问我”。
输入用户：你好，请问你是谁？
→
可能续写小明：我是小明。用户：你今年多大？
02 会补全文字，不等于会聊天
two abilities
理解用户想让它完成什么
指令训练让模型知道“解释一下”“帮我改写”“生成方案”都是任务。
知道该回答、该拒绝、该承认不知道
对齐和规则让模型更像服务用户的人，而不是随便往下编的续写器。
03 怎么把补全机器变成聊天助手
upgrade route
1预训练先读大量资料，学会语言、知识和生成能力。
2指令训练看很多“用户任务 → 理想回答”的样本。
3对齐学习什么回答更有用、更清晰、更安全。
4System Prompt告诉 AI 当前角色、规则和回答风格。
5聊天产品用界面、上下文和消息角色组织成对话体验。
04 同一句输入，两种模型为什么反应不同
behavior lab
Base 可能续写剧本，Chat 会回答用户
原始补全机器
用户：你好，请问你是谁？小明：我是小明。用户：你今年多大？
聊天助手
你好，我是一个 AI 助手，可以帮你解释概念、整理资料、写内容和分析问题。
05 三个关键训练词，用人话理解
plain terms
教它听懂指令
给模型看大量“用户怎么问、好答案怎么写”的样本，让它学会按人的要求完成任务。
教它什么叫好回答
让模型更偏向准确、有帮助、清晰、安全的回答，而不是只追求顺口和完整。
给它一份上岗说明书
告诉模型当前扮演什么角色、遵守哪些规则、应该用什么风格回答。
06 System Prompt 到底像什么
job manual
一句话：AI 的岗位说明书
同一个模型，换一份说明书，就像换了一个岗位
你可以告诉它“你是一名 AI 入门老师”，它就会尽量用小白能懂的话解释；告诉它“你是一名售前客服”，它就会围绕产品咨询和成交引导回答。System Prompt 不等于重新训练模型，但会影响本次对话的行为方式。
AI 老师少用术语，多用例子，先讲结论。
AI 客服确认需求，引用资料，必要时转人工。
编程助手解释错误，给出代码，提醒边界。
07 用培养员工来理解整个过程
employee analogy
预训练像读了很多书，知识面很广。
→
指令微调像岗前培训，知道客户问什么该怎么答。
→
对齐像服务标准，知道什么该做、什么不能做。
→
System Prompt像当天岗位：今天你负责售前客服。
08 小白最容易误解的三件事
common mistakes
ChatGPT 不是提前写了几亿条标准答案
它不是简单查找答案，而是根据问题、上下文和模型能力实时生成。
好助手来自训练、对齐和产品系统
Prompt 很重要，但底层模型能力、训练方式、安全规则和工具同样重要。
会聊天不代表一定正确
重要问题仍要接知识库、查来源、做评估，不能只看回答是否自然。
09 最后用一条线记住
simple line
预训练 → 会说话 → 指令训练 → 会听话 → 对齐 → 更会回答 → System Prompt → 确定角色 → Chat → 和你交流
所以，今天的 AI 看起来像聊天助手，不是因为它一开始就懂人，而是人类一步步把“接着写”的能力，训练成了“面对用户时应该怎么说”的能力。
本节小结
- Base 模型会补全文字，但不一定会像助手一样回答。
- 指令训练让模型学会理解用户任务。
- 对齐让模型更符合人类期待：有用、清晰、安全、少胡编。
- System Prompt 像岗位说明书，让同一个模型扮演不同角色。