大型語言模型（LLM）本質上是一個基於統計與機率的文字推論引擎，透過預測「下一個最可能出現的詞（Token）」來處理資訊。

LLM 能做什麼

• 自然語言處理與生成：文章摘要、多語言翻譯、內容擴寫、風格改寫與文案創作。
• 程式碼輔助與轉換：編寫基礎程式碼、除錯（Debugging）、重構、註解說明，以及不同程式語言間的翻譯。
• 非結構化資料萃取：從長篇文章、會議記錄或 PDF 中提煉關鍵資訊、結構化成 JSON 或 Markdown 表格。
• 語意理解與問答：進行邏輯推演、概念解釋、模擬對話，以及作為發想創意的 brain-storming 夥伴。
• 情境化邏輯推理：在給定明確上下文（Context）的情況下，進行歸納、比對與分析。

LLM 不能做什麼

• 無法保證 100% 事實正確：由於是機率模型而非資料庫，容易產生「幻覺」（Hallucination），一本正經地胡說八道。
• 缺乏真正的「精確計算」能力：LLM 不是計算機，處理複雜數學或大數運算時，經常因字詞預測機制而算錯（除非調用外部 Tool/Code Interpreter）。
• 無法主動取得即時資訊：知識庫停留在訓練截止點（Training Cutoff），除非搭配網頁搜尋或檢索增強生成（RAG）架構。
• 沒有真正的自我意識與自由意志：它不具備感官、情緒或真實世界的物理體驗，所有「情感」與「觀點」皆為訓練資料的模擬。
• 無法保證絕對的隱私與安全性：未經妥善防護時，可能遭受提示詞注入攻擊（Prompt Injection），或不小心洩漏訓練資料中的敏感資訊。

簡單來說，LLM 是極度優秀的資訊處理器與語言表達工具，適合處理語意理解與內容創作；但它不是精確的運算工具或權威資料庫，涉及嚴謹事實、精確計算與高風險決策時，仍需人類審核或結合外部工具協作。