直接到Oracle官网上下载即可，推荐LTS版本因为是长期支持的版本，稳定一些。根据电脑系统选择自己的安装包，这里我选的是.exe方式下载。一直next到结束，cmd里java --version看下安装成功没（出现对应下载的版本号说明就成功了）：CLASSPATH：现代开发通常不需要手动配置，建议留空交由 Maven 等构建工具管理：新建一个CLASSPATH填入cmd输入java --vers

类别参数作用典型值 / 说明。

在 Transformer 自回归生成中，模型每预测一个新 token，都需要对所有历史 token 计算注意力。为避免每次都重新计算，会把每个位置的 Key（K）和 Value（V）矩阵 缓存下来，这就是 KV cache。GPU KV cache 特指这些缓存存储在 GPU 显存（VRAM）中，是推理吞吐和显存占用的核心瓶颈。

在 Transformer 自回归生成中，模型每预测一个新 token，都需要对所有历史 token 计算注意力。为避免每次都重新计算，会把每个位置的 Key（K）和 Value（V）矩阵 缓存下来，这就是 KV cache。GPU KV cache 特指这些缓存存储在 GPU 显存（VRAM）中，是推理吞吐和显存占用的核心瓶颈。

今天抽时间看完了的后半部分，同时又线上听了优秀校友的讲座以及小浣熊的分享会议，感触颇深，故稍作记录，待日后回顾。在这个时代，AI迭代速度很快，LLM在一些领域能力已经逐渐逼近甚至超越了人类本身。确实会带来焦虑感，因为变化确实太快了，不过回看人类文明历史，这样的时刻有很多，每次生产方式的变迁都会带来变革，而人类文明也正是在一次次的变革中得到不断地发展，解放生产力的同时也让我们得以不断地去认识这个世界

在过去，产品经理会花大量时间在会议、报告、待办事项等对齐工作上；而AI时代的产品经理，则通过AI可以快速验证想法、自动化工作流，把时间更多花在用户和团队身上，回归了产品的核心：深度理解用户、发挥创造力、打磨产品。在模型能力指数级进化的时代，产品经理不能再基于“技术条件静止不变”的假设来制定长期计划，必须转向快速实验、原型优先、与模型共同进化的全新工作节奏。PM的角色从预先锁定确定性，转变为在模糊中