作者目前在做的平台使用到了H2，这里介绍下使用场景、使用方式，出于以下两个原因会使用H2:1、平台化的项目一般是用户使用脚本或者sql进行通用的执行，这样可以实现低代码平台，不需要管理类之间的引入、依赖、编译，页面上点点点和输入就可以了，所以很多时候需要把数据放入H2进行sql解析实现跨库、跨实例、跨服务的数据分析2、在数据集合写起来非常复杂的时候，举个例子：集合a、b，ab的对象有字段c是一一对

通过之前的人工智能架构分析和Transformer模型的原理介绍，读者应该对人工智能有了一个初步的了解。但是很多读者不是很想知道那么多软件方面的专业知识，通过大家的问题，大家关心的主要是三个方面：ai是怎么学习的，不停的搜网上的信息进行学习，然后人工再问他一些问题，根据答案进行正确错误提示调整吗？在线跟ai的对话会让ai实时学习进步吗？怎么在ai时代下保持自己的竞争力？作者在这里用一些简单的示例来

人工智能这个词不是很新鲜，早就有开始研究的，各种推荐系统、智能客服都是有一定的智能服务的，但是一直都没有体现出多高的智能性，很多时候更像是‘人工智障’。但是自从chatGpt3被大范围的营销和使用之后，人工智能逐渐体现出来他的智能性和高度的推理分析能力，他的范围也不再局限于软件行业，财务、法律、人事等等各种各样的行业都开始进行学习使用。作者经过一段时间的研究学习，对于AI也有了自己的一些理解，在这

上篇文章以对话模式为例讲了目前人工智能的整体架构，但是大模型依然有很多细节问题，这里作者讲一讲目前的Transformers模型原理。

上篇文章以对话模式为例讲了目前人工智能的整体架构，但是大模型依然有很多细节问题，这里作者讲一讲目前的Transformers模型原理。

上一篇讲了人工智能是怎么学习的，这一期开始作者会开始讲实践，首先就是要在本地搭建一个预训练的大模型，后面才可以进一步的对他进行微调、搭载agent、向量数据库，完成自己想要的模型。

通过之前的人工智能架构分析和Transformer模型的原理介绍，读者应该对人工智能有了一个初步的了解。但是很多读者不是很想知道那么多软件方面的专业知识，通过大家的问题，大家关心的主要是三个方面：ai是怎么学习的，不停的搜网上的信息进行学习，然后人工再问他一些问题，根据答案进行正确错误提示调整吗？在线跟ai的对话会让ai实时学习进步吗？怎么在ai时代下保持自己的竞争力？作者在这里用一些简单的示例来

人工智能这个词不是很新鲜，早就有开始研究的，各种推荐系统、智能客服都是有一定的智能服务的，但是一直都没有体现出多高的智能性，很多时候更像是‘人工智障’。但是自从chatGpt3被大范围的营销和使用之后，人工智能逐渐体现出来他的智能性和高度的推理分析能力，他的范围也不再局限于软件行业，财务、法律、人事等等各种各样的行业都开始进行学习使用。作者经过一段时间的研究学习，对于AI也有了自己的一些理解，在这

通过之前的人工智能架构分析和Transformer模型的原理介绍，读者应该对人工智能有了一个初步的了解。但是很多读者不是很想知道那么多软件方面的专业知识，通过大家的问题，大家关心的主要是三个方面：ai是怎么学习的，不停的搜网上的信息进行学习，然后人工再问他一些问题，根据答案进行正确错误提示调整吗？在线跟ai的对话会让ai实时学习进步吗？怎么在ai时代下保持自己的竞争力？作者在这里用一些简单的示例来

上篇文章以对话模式为例讲了目前人工智能的整体架构，但是大模型依然有很多细节问题，这里作者讲一讲目前的Transformers模型原理。