[]
大语言模型（LLM）是一种基于深度学习的人工智能模型，专门设计用于理解和生成自然语言。这类模型通过在海量文本数据（如书籍、网页、论文等）上进行预训练，学习语言的统计规律、语义关系和上下文依赖。其核心架构通常采用 Transformer，尤其是像 GPT（Generative Pre-trained Transformer）这样的自回归模型，能够根据输入的文本预测下一个词的概率分布，从而生成连贯的文本。LLM 的“大”体现在其参数量（可达数百亿甚至万亿级）和训练数据规模上，这使得它们能够处理复杂的语言任务，如问答、翻译、代码生成等。尽管能力强大，LLM 仍存在局限性，比如可能生成错误信息（“幻觉”）或受训练数据偏见影响。实际应用中，LLM 通常通过 API 或微调适配具体场景。
在活字格低代码平台中，大语言模型（LLM）不仅是通用的自然语言理解与生成工具，更是平台智能化能力的核心引擎。平台通过非侵入式架构，将 LLM 灵活集成到设计时和运行时两个阶段：
设计时 AI：开发者可在设计器中配置多个 LLM 服务（如 OpenAI、DeepSeek 等），通过自然语言描述业务需求，自动生成数据表、页面原型、SQL 命令等。每个 LLM 配置包含 API Host、API Key、Model Name 及高级参数（如 Max_Tokens、Temperature、Top_P），支持导入导出 JSON，便于迁移和多环境切换。AI 生成内容均可二次编辑，确保开发者对结果有完全控制权。
运行时 AI：在应用发布后，终端用户可通过“AI 对话单元格”与 LLM 进行多轮对话，或通过“AI 助手命令”在业务流程中自动调用 AI 服务，实现智能审批、报表分析、数据清洗等场景。运行时 LLM 配置与设计时独立，随工程文件保存，可在管理后台灵活切换。平台支持结构化数据输出（如自动提取 JSON），并可通过 Function Calling 机制让 LLM 触发业务逻辑，深度融合企业现有系统。
安全与合规：平台强调数据安全，建议敏感数据不直接发送至 LLM，可通过自定义内容过滤、日志审计等措施，保障企业合规性。
性能与体验：支持多任务并行生成、异步处理，确保界面流畅。复杂任务建议分阶段生成，关键业务建议人工复核。
通过上述集成方式，活字格平台实现了 LLM 能力的渐进式增强，既提升了开发效率，也为业务应用注入了智能交互和自动化决策能力。
