自然语言处理（NLP）的工作流程分三步：文本预处理把句子分词去噪并转成向量，模型分析由2017年谷歌提出的Transformer用注意力机制并行处理整句，输出阶段按任务生成翻译、问答或对话结果，解决串行模型逐词处理易遗忘前文的问题，并不解决事实核验缺失导致生成内容失真。
- 文本预处理
先把原始语言“收拾干净”。比如，把“我爱北京！！！”变成标准格式“我/爱/北京”，去掉标点噪音，再把词变成数字（比如向量），让机器能计算。 - 模型分析
这里就轮到深度学习上场了。现在的主流是Transformer模型，它能同时看一句话里的所有词，理解上下文。比如，“他昨天去银行取钱”里的“银行”，Transformer知道是指“金融机构”，而不是“河岸”，因为有“取钱”这个线索。 - 输出结果
根据任务需求，模型生成结果。比如翻译就输出另一种语言，问答就输出答案，聊天就输出对话。
举个例子：你问“明天天气如何？”
- 预处理：拆成“明天/天气/如何”，转成数字向量。
- 分析：Transformer理解“明天”是时间，“天气”是主题，“如何”是询问状态。
- 输出：“明天多云，20到28度。”
五、自然语言处理的“明星”——Transformer
要说现代NLP的支柱，非Transformer莫属。它是2017年谷歌提出的一种深度学习模型，彻底改变了语言处理的方式。以前的模型（像RNN）是“串行”处理，一个词一个词地看，速度慢还容易忘掉前文。Transformer用“注意力机制”（Attention），能同时关注整句话的所有词，抓住关键信息。
比如，“我爱吃苹果，但不喜欢苹果手机。”Transformer能看出第一个“苹果”是水果，第二个是公司，因为它能同时分析“吃”和“手机”的上下文。这种能力让它特别适合翻译、对话等任务。ChatGPT、BERT、T5这些大名鼎鼎的模型，都是Transformer的“后代”。
