使用预训练的大型语言模型（LLM）开发：

1、不需要机器学习专业知识：因为大型语言模型已经预训练完成，开发者无需对机器学习的专业知识有深入理解，只需要知道如何调用模型API，即可使用模型生成相应的语言输出。

2、不需要训练样本：在许多情况下，只需要向模型提供合适的提示（prompt），模型就能生成相应的输出，而无需大量的训练样本。

3、不需要训练模型：模型已经在大规模数据集上进行了预训练，开发者无需再次训练模型。

4、主要关注提示词设计：开发者的主要工作变为设计有效的提示词，使模型能够理解并生成合适的输出。

传统的机器学习开发：

1、需要机器学习专业知识：开发者需要理解不同的机器学习算法，知道如何选择合适的算法，如何设置参数，以及如何解决可能出现的问题。

2、需要训练样本：开发者需要收集和准备大量的训练样本，以便训练模型。

3、需要训练模型：开发者需要使用训练样本来训练模型，这通常需要消耗大量的时间和计算资源。

4、需要计算时间和硬件资源：传统的机器学习模型训练通常需要大量的计算时间和硬件资源。

5、主要关注最小化损失函数：开发者需要设计和优化损失函数，以便模型在训练过程中尽可能地减小损失，提高模型的性能。

简单来说，使用预训练的大型语言模型（LLM）开发的主要优势在于简化了开发过程，降低了开发的难度和门槛，而传统的机器学习开发则需要更多的专业知识和资源投入。