前面我自己做过coding-agent，这个是比较初级的Agent，能力也比较有限，比较高级的Agent需要具备更多的能力，而这些能力就是通过skill来实现的。这里我就深入地学习一下什么是skill。

什么是大模型微调，大模型微调的原理是什么，大模型微调的步骤是什么，大模型微调的工具是什么，大模型微调的案例是什么，大模型微调的优缺点是什么。

前面两个多月一直在学习AI相关的知识，读到了一篇文章[“如果你不能用300行代码写个Cursor，这行你就别待了！”Ralph Loop创造者、Claude Code核心技术设计者的暴论](https://mp.weixin.qq.com/s/lG3fu_bNlk4n_yqIQy2DKg)，我也有点震撼，Cursor的实现这么简单吗？我必须要琢磨学习下。再次感谢大模型，感谢深度学习，让我能这么快的学习新知识。

前面我们已经做了V3的版本，基础的问答包括简单的多轮对话都支持了，而且加上了基础的单元测试（重点是retrieval，e2e的几乎还没有测试）。这次我们要加的功能是query rewrite。

前面我们已经做了V2的版本，已经可以实现多轮对话（比如询问有多长时间病假，就需要知道用户的国家，用户没说的话就得询问用户），同时之前也加了几个测试用例，但这些太少了不足以覆盖各个文档。

前面我们已经做了一个最简单的版本，这种就跟老外出租屋里开发出来的软件类似，你说它不完整吧，它已经有了所有必须要有的东西，你说它完整吧，没有哪家企业线上会这么部署，所以我们还需要持续优化。

通过前面粗浅的学习机器学习相关知识，我了解了概念，现在要通过真实的例子一步一步来实践学到的知识，模拟真实场景，解决实际问题。

大家现在都用大模型，那大模型到底是怎么做出来的啊？他的核心原理到底是啥？比如我自己能不能搞个demo的大模型？带着这些问题，我们这次就要一探究竟。

现在的IT开发被AI冲击的特别厉害，尤其是前端，本身就没有特别高的技术门槛，而且也没有分的特别细（越细越深入的领域的技术门槛越高），所以我这样的前端开发，除了日常的AI工具使用，非常有必要学习一下AI的基本概念，知其然知其所以然，这样用起来不敢说事半功倍，但有一小半的效率提升还是没问题的，长年累月下来，带来的效率提升非常可观。