狭义相对论
一切匀速直线运动或静止的坐标系下，物理定律都是一样的。不同坐标系下，光速相同。由于坐标系的相对运动，使得不同坐标系互相看到的时间、长度不同。

广义相对论
所有坐标系下，物理定律都是一样的。引力是质量引起的时空弯曲。自然运动都是沿测地线的。比如，平面的匀速直线运动、绕地球的圆周运动。

基本理解了 使用大模型查询本地数据 的流程：

• 先把本地数据，切割成一小块一小块存储，并计算其向量。方便理解，假设这些数据总共有 10G。
• 用户查询时，先根据问题，从本地数据库里查询关联的内容，比如 20K。
• 把这些关联内容，作为上下文背景知识，和原始问题，一起传给大模型提问。
• 大模型用自己的能力，结果关联的内容，给出回答。

比如，把《消费者权益保护法》作为背景知识，和问题「买东西商家不退货怎么办？」一起丢给大模型。

关键的点：

• 如果使用 ChatGPT 等模型，很贵很花钱，因为每次都丢一大堆上下文。
• 如果使用本地大模型，受限于模型质量，回答可能比较差；受限于算力，会比较慢。

还有一种方式，是用自己规范化的数据，对大模型进行再训练、微调，成为自己行业内的大模型。

基本上，这条路不是一般人能搞得起的。

• 把杂七杂八的数据，规范成统一的格式，比如问答，无比消耗人力物力。高质量、规范化的数据，是成本最不可控的环节。
• 模型的训练，这又有两条路：一条是训练公有大模型比如 OpenAI，按量付费；一种是自己买硬件、训练自己的本地大模型。都费钱。

如果做出来只是给自己用，基本不划算。

如果做出来可以给行业内的人用、把能力二次销售，有可能可行。

后来注意到，OpenAI 的 Assistants 比较符合需求：可以上传最多 10万个文件、100GB 的数据，然后使用 GPT3 或 GPT4 等模型，从中给出答案。

简单试了下，把我的博客、flomo 笔记导入，然后针对性的问问题，确实能得到本地数据中的答案。

13岁出书，

博导费曼，

好友乔布斯，

开发 Mathematica，

被称为地球上最聪明的人之一。

今天早上晨读时，我给娃衍伸了很多有意思的内容，比如有人一辈子生活在海上、有人一辈子生活在山上、有人生活在冰屋里 等等。他很有兴趣，我能看到他眼里的光。

这很好，这才是好的教育。

如果孩子眼里没有光，那就让他有。

如果做不到，就先提高自己。

自己没见过高山，怎么才能向孩子描述高山呢。

孩子，是来帮父母修行的。

现在的学校，是补短板教育。典型的，就是【错题集】。啥意思，错题就是你的短板；不能有短板，你得把错题学会。

换个角度看，那些做对的题，孩子是怎么做出来的，有没有用什么巧妙的思维，并没有被关注到（昨天娃做题的一个思路，惊到我了）。

到底是发挥特长，把某方面的能力锻炼到极致；还是木桶教育，各方面都均衡，难有定论。

学校是集体教育、通识教育，一定是木桶教学。要不要强化特长，就要靠家长和孩子自己了。

并且，不同阶段侧重不同。小的时候，还是要注重通识教育，不能有明显短板。慢慢的，涌现出特长，再针对性训练。

特别是，AI 已来。基础的知识、分析、预测，越来越不需要人做。而人要做的，是发现并提出问题、审视 AI 给出的方案并决策。在这个大背景下，教育也要相应调整。

你的娃接触 AI 了吗？甚至，你会用 AI 了吗？