大语言模型
大语言模型是时下最新潮的概念，指拥有大量参数的、能够根据给定的文本序列生成新文本的模型。
本文介绍一些和大语言模型相关的概念与工具
单独一个语言模型的所有功能，就是在给定的文本序列上继续生成文本。这可以表示为一个函数
其中 是已经存在的文本序列， 是生成的下一个文本。
新文本生成后，会加入到已存在的文本序列中，继续用于生成新文本。模型不断重复这一过程，直到生成了一个特殊的、表示序列结束的文本。
当然上述定义过于简略且不准确
- 文本 是一种不标准的说法，正确的术语是 token，官方翻译为 词元
- 并不是一个完全确定的函数，给定相同的 token 序列，可能会产生不同的下一个 token
大语言模型（Large Language Model）之所以 大，就是因为其内部有大量参数。这些参数的具体值会在训练阶段被确定。人们发现当参数足够多后，语言模型会涌现出某种智能，而这就是划分语言模型和大语言模型的界限。
后续的所有应用，比如智能体，都只是基于大语言模型的这个功能构建的。
LLM 运行器能够运行大语言模型，且会提供可调用的 API
LLM 运行器通常用于本地调试基于 LLM 的应用，或者离线部署 LLM
- Ollama 支持本地运行模型，提供了客户端和服务端
智能体根据应用场景可分为很多种类型，但对开发者而言，最常用的还得是编程智能体。
由于我偏爱 CLI 版本的 Code Agent，因此只重点介绍这种工具。
- Codex 由 OpenAI 开发，其 CLI 版本已经开源，且用 Rust 编写
- OpenCode 其 CLI 版本用 TypeScript 编写
- Claude Code 由 Anthropic 开发，暂未开源。根据曾泄露的源码推断，其 CLI 版本用 TypeScript 编写
- Pi 开源的极简 Agent，可以通过插件增加功能
- DeepSeek Harness 比 Pi 更激进，一切皆插件，但官方只提供 Web UI
此外还有各种智能体管理器
- CC Switch 一个 All-in-One 的 AI Agent 管理器，支持 Codex/Claude Code/OpenCode 等主流工具，可以管理
skills/prompts/sessions/mcp各种资源，还可以一键切换 Agent 的配置