LLM（语言逻辑模型）是一个抽象的概念，在以下几个方面具有重要特点和作用：
在 LangChain 平台中，LLM 是与各种大模型进行交互的核心模型。其输入是用户的请求或问题的字符串，输出是模型的回答或结果的字符串。它能够根据不同输入调用不同大模型，完成如文本生成、理解、翻译等语言任务。 对于开发者而言，LLM 的优势在于无需关心大模型的细节和复杂性，只需关注语言的逻辑和意义，就可利用大模型能力构建应用。同时，开发者能灵活选择和切换大模型，无需修改代码或适配接口，还能自己封装实现自己的语言逻辑和功能。 大语言模型（如豆包）在回复时通常是一个字一个字的流式输出方式。这是因为大模型确实在一个字一个字地推理生成内容，类似于输入法的输入联想逻辑，通过加入上下文帮助模型理解下一个字。但大模型学习数据规模海量，每次计算若带入全量数据，算力上难以承受。