四大能力与三大局限
四大核心能力与三大固有局限
核心结论：大模型能力很强但绝非万能，它有清晰的能力边界，擅长认知、生成、推理类工作，不擅长精确计算、事实记忆和实时感知，落地必须扬长避短。
四大核心通用能力
语义理解能力：读懂自然语言的含义、意图、情感和逻辑关系，是所有能力的基础。典型场景：文本分类、意图识别、情感分析、信息提取、内容审核。
内容生成能力：生成各类文本、代码、表格、大纲等内容，是当前最成熟、落地最广的能力。典型场景：文案创作、代码编写、报告生成、脚本撰写、邮件撰写。
逻辑推理能力：基于已知信息进行分析、推导、判断，解决复杂问题。典型场景：数学解题、逻辑分析、方案推导、故障排查、路径规划。
知识整合能力：整合海量信息，归纳总结、对比分析、答疑解惑。典型场景：知识库问答、文献综述、方案对比、知识科普、信息汇总。
三大固有局限（无法彻底消除）
局限一：事实性幻觉，会一本正经地编造信息 大模型是基于统计概率生成内容，不是基于事实数据库。对于冷门知识、专业信息、时效性内容，很可能生成虚假的数据、案例、引用，而且自身意识不到错误。这是大模型最核心的缺陷。
局限二：精确计算能力弱，复杂数值运算容易出错 大模型本质是语言模型，不是计算器。简单算术可以应对，但高精度计算、复杂公式推导、严谨的数值运算很容易出错，不能直接信任计算结果。
局限三：没有自主意识，不具备实时感知能力 大模型没有自我意识，不会主动思考和行动，必须接收指令才会工作；训练数据有明确的截止时间，不知道截止之后发生的事，也不能实时获取外部信息，除非接入第三方工具。
落地的核心原则：扬长避短，能力兜底
扬长：把创意、理解、推理、整合类工作交给大模型，提升效率；
补短：事实类工作用知识库兜底，计算类工作用计算器工具兜底，实时类工作用外部接口兜底，不要让大模型单独承担它不擅长的任务。
