已训练出的大模型学习新知识的方式有两种：微调学习与上下文学习。
对于微调学习，可以参考大模型微调的文章。
由于微调消耗算力且是静态更新大模型知识的方式，而打造一个学习助手，需要大模型快速高效地学习各种新知识。 主要是我想低成本白嫖啊，亲
任务（推荐从零搭建，如果使用已有框架也可以，但是难度会降为 2 星或 1 星）：
- 了解什么是大模型的上下文学习能力？
- 了解什么是 RAG？为什么 RAG 可以实现？实现流程是啥？
- 使用任意编程语言，打造一个简单的 RAG 模块，能够根据语义在数据库检索内容
- 基于打造的 RAG 模块，打造一个学习助手 Agent，能够给它传入大量的教程文本，为你解读各种教程相关的问题
提示：
- 推荐使用 Python
- 向量数据库推荐 MongoDB、PostgreSQL with pgvector
- Text Embedding Model 推荐阿里云的 text-embedding-v4 或者 Jina 的 jina-embeddings-v4
- 如果最后实现效果一般的话，尝试分析哪些地方影响到效果了，溯因分析