用途：帮助理解并实际使用大语言模型，覆盖架构、分词、Transformer 和推理优化等基础主题。
主要能力：讲解 Transformer 架构流程（输入→嵌入→N 层 Transformer 块→输出）及自注意力、层归一化、前馈网络结构；分词编码与解码；生成参数含义（temperature、max_tokens、top_p、top_k、frequency_penalty、presence_penalty）；模型对比信息；本地推理与重试、排错、单元测试模板。
使用方式：可调用 OpenAI API 的 chat.completions.create，或使用 Hugging Face transformers 的 AutoTokenizer、AutoModelForCausalLM 加载模型并 generate。本地推理可用 Ollama：curl -fsSL https://ollama.ai/install.sh | sh，然后 ollama run llama2，或通过 curl http://localhost:11434/api/generate 调用；也可用 vLLM 的 LLM 与 SamplingParams。
适用场景：需要快速上手语言模型调用、调整生成参数、比较模型或进行本地部署的开发者。
限制：资料为入门概览，未提供具体收费、性能基准或完整生产部署细节；示例参数与模型名称需按实际环境确认。