Step 1: Tokenization (分词)
计算机首先将文本切分为最小的语义单位（Token）。
(注：此处演示简化为按字切分，真实模型通常使用 BPE 算法，如“人工智能”可能合并为一个 Token)
Step 2: ID Mapping (索引映射)
在词表（Vocabulary）中查找每个 Token 对应的唯一数字 ID。
{{ token.text }}
→
Vocab Lookup
→
{{ token.id }}
Step 3: Embedding Lookup (向量查表)
每个 ID 对应一个预训练好的高维向量（这里简化为 4 维）。
{{ token.id }}
→
[
{{ val.toFixed(2) }}
]
Step 4: Matrix Construction (构建矩阵)
所有向量堆叠在一起，形成了输入矩阵（Shape: [Batch, Seq_Len,
Dim]）。这就是 LLM 真正“看见”的东西。
Shape: ({{ tokens.length }}, 4)