先看一个很常见的现象。
你告诉 AI：“我们这里说的 RPD 是要求到货日期，回答供应问题时要先看合同和批次。”刚开始它还会混淆。聊了几轮以后，它不但能正确使用 RPD，还能照你的格式写进展。很多人于是说：“我把这个模型训练好了。”
这个说法不准确。聊天可以改变模型这一次拿到的信息，却不会在对话中把模型重新训练一遍。
模型不是聊天窗口
大语言模型可以先粗略理解成一台“根据已有文字，预测接下来该出现什么”的机器。它内部有大量数字，这些数字叫参数。参数共同决定：看到什么输入时，哪些输出更可能出现。
参数不是一排可以直接打开的知识卡片。“北京是中国的首都”通常不会单独存放在某个格子里。训练让大量参数一起形成语言、事实和关系的模式。Anthropic 对模型训练的说明也强调，模型学习的是内容中的一般模式，不是像数据库那样逐条保存原文。Anthropic：关于模型训练
所谓训练，就是拿大量样本让模型反复预测，再根据误差调整参数。这个过程要准备数据、消耗大量计算，并产出一个新的模型版本或新的参数版本。参数真的变了，才是在训练模型。
模型训练完成后，我们把问题交给它，让它根据当前参数生成答案，这一步叫推理。这里的“推理”不是专指复杂思考，而是“使用已经训练好的模型得到输出”这个运行阶段。
可以把两者记成一句话：
训练是在调机器，推理是在用机器。
它为什么像是记住了前文
因为聊天软件会把当前问题和前面的对话一起交给模型。这一包临时材料叫上下文。
假设第一轮只有一句“RPD 是什么”，模型拿到的信息很少。到了第十轮，它同时看见你的解释、示例、纠正和刚提出的问题，回答当然更贴合。变化的是输入，不是参数。
Anthropic 的 Messages API 把多轮对话明确称为“无状态”的：调用方在发起下一次请求时，需要把之前的对话轮次一并放进 messages。也就是说，至少在这个基础接口上，不是模型自己在后台永久记住了你，而是应用重新带上了历史。Claude API：Create a Message
这也解释了一个现象：开一段全新的聊天后，它可能又“不懂了”。旧对话没有进入新上下文。即使某个产品提供跨会话记忆，通常也是先把信息保存下来，下次再放回上下文；这依然不等于现场修改模型参数。
Skill 也不是训练
Skill 很容易造成同一种误解。你写好一个报表 Skill 后，Claude Code 每次都能按固定步骤工作，看起来像“学会了一项技能”。但官方定义里，Skill 是一个 SKILL.md 文件，里面放的是说明、知识或工作流程；需要时，Claude Code 把它加载到工具箱和上下文中。Claude Code：Skills
所以 Skill 更像一份随任务取用的操作手册。它可以引用资料，也可以让 Agent 调用脚本，但它没有因此改写基础模型的参数。删除 Skill，或者换到没有这个 Skill 的环境，这套专门做法也就不再可用。
还要分清另一件事：数据是否会被用于以后训练
“当前聊天没有实时训练模型”，不等于“聊天数据在任何产品中都绝不会用于未来训练”。这是两个问题。
Anthropic 当前说明：商业产品（如 Claude for Work 和 API）的聊天及编码会话，默认不会用于训练，除非客户明确参加相关计划或主动提供反馈；个人版产品则要看用户是否开启模型改进、是否主动反馈，以及安全审查等条件。商业产品数据说明与个人产品数据说明是两套边界。内部环境还要以公司的网关、合同和数据制度为准。
以后再看到“AI 学会了”，先问一句：是参数被重新训练了，还是应用把更多上下文、记忆或 Skill 交给了同一个模型？这个问题能挡住很多关于 Agent 的误解。
上一篇：系列导读 ｜ 下一篇：Agent 入门 01｜聊天机器人和 Agent，差的不是一张嘴
最后修改于 2026-08-19