针对重型卡车预见性自适应巡航控制(PACC)中动力性、经济性和平顺性权衡所带来的控制参数标定工作量大的难题，笔者提出一种基于大语言模型(LLM)与贝叶斯优化(BO)协同的非线性模型预测控制(NMPC)权重自动标定算法．首先，建立了前方坡度的简化预测模型，并采用递推最小二乘法(RLS)进行在线参数更新，为预见性控制提供前方道路坡度信息；其次，设计了NMPC自适应巡航控制器，实现车速与挡位的实时优化；最后，提出了基于LLM与BO协同的方法，对NMPC代价函数中的动力性与经济性权重进行自动标定．其中，LLM负责生成代价函数结构与权重先验；BO负责在高维权重空间中进行高效全局搜索，实现最小化代价函数．针对不同坡道路况行驶场景开展了仿真研究，结果表明：当LLM参数规模从1.5 B提升到32.0 B，迭代次数减少64.61%，但最优求解推理时间延长692.82%；根据经验与文献构建的融合型知识库在综合性能预测方面优于单个知识库，最低燃油消耗量降低0.27%；在长度为2 km、坡度为4%工况下，LLM-BO协同算法可在5次迭代内收敛至近全局最优权重，参数标定效率提高58.33%以上．