几乎每个月，网上都会涌现出一些新的术语，提示词工程、上下文工程、Harness 工程…… 
很多概念都只是流于表面，简单分享我的思维模型。 
以 LLM 的推理阶段作为切入点，引入AI 物理学的概念。我们知道，Token 在向量空间中本质上是高维的离散点。为了方便理解，可以将其抽象为一个俯视的地势图。 
[langevin-transfomer] 
每次从山顶释放一颗小球，它会在重力势能下顺着山坡滑落，最终滚进某个低洼的山谷并停下来。在 Transformer 的推理过程中，每生成一个词，就像是放下一个小球。小球最终停在低洼点，代表了采样的词（比如 Token = 学）。 
在实际对话中，AI 需要输出一连串的词。每当一个小球落入某个山谷，它自身的“重量”就会压弯地面，每个小球静止后，都会引起空间势能面的形变，进而改变整个势能空间，从而影响后续采样小球在该空间中的运动轨迹。 
比如，可以把...