1.2 大模型会什么：语言、知识与推理的能力盘点

1.2 大模型会什么：语言、知识与推理的能力盘点

本节摘要：把模型当员工用，先要清楚它的岗位技能。本节按"语言、知识、推理、结构化"四类盘点真实能力，给出每类的靠谱度与用法建议，并用一张发票抽取案例演示最值得信赖的用法——结构化输出。

「Few-Shot」这个词在模型说明书里出现的频率，比"会思考"高得多——这个细节其实泄露了天机：模型的强项是从示例中模仿，而不是从零开始推理。给两个例子它能照着做对，让它凭空推理五步就未必了。盘点能力时抓住这条主线，很多现象就解释得通。

四类能力，四种靠谱度

语言能力（靠谱，主力业务区）。生成、改写、摘要、翻译、语气调整——这是预训练学得最透的部分。靠谱的原因在于任务的正确性可以宽容：摘要漏了一个次要细节不算错，语气差一点可以再改。工程上唯一要注意的是长度控制，超长输入的摘要会"前重后轻"，这在第 3 章讲窗口管理时会回过来处理。

知识调用（半靠谱，必须验真）。模型记住了海量公开知识，问"Python 列表怎么去重"它能秒答。但两个坑必须写进制度：知识停留在训练截止日，问它"昨天发布的版本"必然瞎编；冷门细节的置信度低，它却用同样的流利语气回答。所以知识类用法一律配检索（第 6 章），不裸用。

推理能力（受限，要喂料）。给足条件时，它能做日程排布、账目核对、找出合同条款间的矛盾——这些本质是"在上下文里做逻辑操作"。限制在于步数和广度：步骤一多就容易丢条件，选项一多就容易漏比。第 4 章的 CoT、ToT 就是在给推理"搭脚手架"。

结构化输出（最值得信赖，工程价值最高）。让它按指定格式输出 JSON、按分类法打标签、按模板抽取字段——这是把语言能力用在"格式服从"上，而格式服从恰恰是它最稳的表现。智能体系统里工具调用的参数生成，靠的正是这个能力。

案例全过程：发票字段抽取

背景：财务想自动化报销审核，第一步是从员工上传的发票照片 OCR 文本里抽取关键字段：开票方、金额、税号、日期、明细行。

操作：不训练任何模型，只用提示词 + 少量示例。提示词的核心是给出 schema 和两个标注示例，然后要求"只输出 JSON，不要解释"：

SCHEMA_EXAMPLE = """按以下 JSON 结构输出，字段缺失时用 null：
{"vendor": str, "total": number, "tax_id": str,
 "date": "YYYY-MM-DD", "items": [{"name": str, "amount": number}]}

示例输入：XX科技有限公司 增值税专用发票 金额合计 11300.00 元
税号 91330106MA2XXXXX 开票日期 2024年05月12日
明细：咨询服务 10000.00；税额 1300.00
示例输出：
{"vendor": "XX科技有限公司", "total": 11300.00, "tax_id": "91330106MA2XXXXX",
 "date": "2024-05-12", "items": [{"name": "咨询服务", "amount": 10000.00}]}"""

def extract_invoice(ocr_text: str) -> dict:
    raw = llm.complete(system="你是发票信息抽取器，只输出 JSON。",
                       user=SCHEMA_EXAMPLE + "\n\n发票文本：\n" + ocr_text)
    data = json.loads(raw)                    # 模型输出转结构
    assert isinstance(data["total"], (int, float))
    return data
​

结果：在内部抽测的三百张样本上，字段级准确率在九成五以上；金额与税号两个关键字段配了校验规则（金额合计等于明细之和、税号位数合法）之后，进入财务系统的脏数据几乎归零。

解读：这个案例成立的三个条件值得记住——输出格式客观（对错分明）、输入材料完整（OCR 没漏字）、错误可被规则拦截。三个条件同时满足时，模型能力"足够好"且可验证，这就是可以放心交给模型的部分。

变式：如果字段里出现"发票状态"（是否作废）这种需要查外部系统的信息，抽取就变成了两步任务——先抽取再查询，那就进入了智能体领域，本节的结构化输出退化为其中一步的组件。

能力对照表：什么活可以派给它

💡 关键直觉：模型像一个记性极好、表达力极强、但不主动查证也不动手的资深文案。把"表达"派给它，把"查证"和"动手"用工程设计接上，它就是好员工；直接把"决策权 + 行动权"全给它而不加检查，它就是风险源。

一个反面样本：能力越界长什么样

同样是抽取任务，换个需求就翻车："从合同里判断这份协议对我方是否有利。"模型会自信地输出一段结论，但它没告诉你：判断依据的行业标准你没给，"有利"的定义没对齐，条款之间的引用关系它可能看漏。这类主观判断 + 长材料的组合，正确做法是拆解——先抽取条款结构化，再逐条比对红线清单，最后汇总——而这正是第 4 章规划要解决的问题。识别"这个问题对模型来说太难了"，和识别"这个问题很简单"同样重要。

本节要点回顾

• 四类能力：语言生成最稳，结构化输出工程价值最高，知识调用必须配检索，推理受限要喂料。
• 最值得信赖的组合：明确 schema + 少量示例 + 规则校验，模型负责"格式服从"，规则负责"底线把关"。
• 失效信号要背下来：超长输入、截止日之后的知识、大数计算、实时信息——遇到就换方案而不是换提示词。
• 能力越界的标志：任务含主观判断或需要外部事实时，模型的流利回答本身就不是证据。

下一节把镜头转向另一面：四个"不会"，每一个都会在后面的章节里变成一个工程模块。