真实大模型里的向量动辄几千维，光看公式很难建立直觉。这篇用一个玩具数字例子，把注意力机制里最核心的 Q/K/V 拆成”三张工作卡”：模型怎么从 token 得到 embedding、怎么算出 Q/K/V、又怎么用它们预测下一个 token。

下面是一个可交互的动画，点按钮一步步走就行：

如果上面的动画加载不出来，可以直接打开：Transformer Q/K/V 交互动画

一句话

Q/K/V 不是三个神秘矩阵，而是同一批 token embedding 经过三组不同投影后得到的”提问 / 索引 / 内容”三张卡——注意力做的事，就是用 Q 去和每个 K 比对相关度，再按相关度把对应的 V 加权汇总起来。