美國公司OpenAI開發的ChatGPT橫空出世，其所展現對自然語言理解、生成與對話能力，於全球範圍內掀起了一場顛覆性的技術革命。在「生成式人工智慧」（Generative AI）蓬勃發展的背景下，基於轉換器的「生成式預訓練技術」（Generative Pre-trained Transformers）所開發的「大型語言模型」（Large Language Models, LLMs）及其相關應用迅速成為全球矚目的焦點。由於出色的內容理解能力，能夠實現有效的上下文感知、語義分析和知識推理，「大語言模型」具有協助想定分析以及「軍事行動方案」（Course of Actions, COA）生成與規劃，進而建構戰場決策輔助系統的潛能。然而，目前LLMs運用於想定及軍事行動方案生成，仍有幾個問題待解決。首先，受限於LLMs預訓練所使用資料的品質，使用LLMs回答某些特定專業領域的問題時，可能出現「答非所問」，甚至是編造錯誤的訊息，這個現象被稱為「產生幻覺」（Hallucination）。其次，部份LLMs雖然理解文本與生成回應的功能強大，但模型本身設有限制回答禁忌議題的安全模組，甚至是關鍵詞過濾器，這使得LLMs運用於軍事研究分析上有很大的受限。再者，必須連結網路在雲端架構使用的LLMs也不利於防範軍事研究特別是軍事行動方案等機敏訊息外流。
因此，本文以開源的LLM為基礎，建置能夠本地端、離線使用的兵棋推演輔助系統，並透過「檢索增強生成」（Retrieval Augmented Generation, RAG）與「提示詞工程」（Prompt Engineering）技術，增強本地端LLM的功能。再以結合質化探討與量化模擬的方式，包括電腦兵棋模擬軟體「指揮：現代作戰」專業版（Command: Modern Operations Professional Edition，以下簡稱CPE），檢視此兵棋推演輔助系統在想定分析以及軍事行動方案生成與規劃上的能力。