第 2 课 · 大模型和普通程序，差在哪？
一个靠规则死板执行，一个靠理解生成，好产品把两者结合起来用
你有没有想过，为什么用计算器算数从来不会出错，但让 AI 帮你算个稍微复杂点的数学题，它有时候反而会算错？
这一课讲清楚：大模型和你平时用的普通程序，根本是两套不同的逻辑。
普通程序像自动售货机
投币、按数字、掉货，规则写死了，1 号键永远出可乐，不会有例外。
好处是极其精确、极其可靠。坏处是只能处理设计好的情况，你说「随便来点什么」，它是听不懂的。
大模型像请来吃饭的师傅
你不需要精确说「我要 300 克米饭配 200 克青菜」，你只需要说「我想吃点清淡的」，师傅就能理解你的意思，做出合理的菜。
它处理的是没有标准答案、需要理解意思的事情，而不是死板的规则。
好产品是把两者搭配着用
这也是为什么大模型能写文案、能聊天、能总结长文，这些事都没有唯一正确答案，靠的是理解加生成，不是查表。
反过来，像计算 1234 乘以 5678 这种有唯一标准答案的事，普通程序（计算器）反而比大模型更快更准。因为大模型本质是在接话，不是在精确运算。虽然它现在也能算得八九不离十，但原理上就不是为这个设计的。
正因为这样，很多真正好用的 AI 产品，其实是把两者搭配着用：
- 需要理解意思、生成内容的部分交给大模型，比如「帮我把这段话润色一下」
- 需要精确计算、查询数据库的部分交给普通程序，比如「查一下这个订单到底多少钱」
后面会学到的 AI Agent，很大一部分工作，其实就是负责判断这一步该交给大模型理解，还是该交给普通程序精确执行，然后把两者串起来。
常见问题
是的，新一代模型在算术和逻辑推理上已经进步很多，有些甚至内置了调用计算器或写代码验证的能力（这其实正是「两者搭配着用」的例子）。
但底层逻辑仍然是理解加生成，遇到超出训练规律的复杂计算，还是可能出错。重要数字务必自己复核。
不是笨，是分工不同。普通程序在规则明确的场景里比大模型更可靠、更便宜、更快。
一个真实的判断标准：如果这件事你能写出一份「第一步做什么，第二步做什么」的完整说明书，且没有例外情况，那就该用普通程序，用 AI 是浪费钱还容易出错。
本课自测
参考方向：算工资、按固定条件筛数据、生成固定格式的表格编号。
判断依据就一条：规则能不能写死，有没有例外。 能写死且没例外的，用 AI 反而更慢更贵还可能出错。
因为它是按概率接话的，每次接的时候都在若干个候选里挑，不一定每次挑同一个。这不是 bug，是它的工作方式。
这也意味着：任何需要「每次结果必须完全一致」的场景，都不能直接交给它。
小结：普通程序靠规则死板执行，胜在精确可靠；大模型靠理解加生成处理没有标准答案的事，胜在灵活。好产品往往是把两者结合起来用。