今天來到鐵人賽的第九天，不免俗也要來複習前面幾天所學習到的新東西。

通整一下 Day 2 ~ Day 4 所學，介紹了在整個系統中非常要的元素 LLM 以及 RAG 技術，有了這些基礎，我們才能鑽研更深的技術，不知道大家在熟悉 LLM 前，聽過哪些本地小模型呢？

不只 LLM 在迭代更新，其實連 RAG 技術，直到最近都有人在鑽研如何讓 RAG 的表現更好，由於使用本地模型 + RAG 有一個缺陷，就是在資料量大的時候，如何提取出相對正確的資料，且也要考慮 LLM 的吞吐量，這時出現了mem0這項專案，聽說可以提高對文件搜尋的準確度，這部份我是沒有使用過，所以也不能確定www

而在 Day 5 的時候，我們簡單介紹了 Docker 的用法，感覺這部份也有很多可以玩的地方，如 docker-compose 等等的，或許對未來的幾天，能提高我們專案的便攜性也說不定，能不能成功跑起來都是個變數呢。

最後在 Day 6 ~ Day 8 時，我們介紹了不同向量資料庫的使用方式(雖然 sqlite 不算)，自己在玩不同向量資料庫時，最有興趣的，應該是 Qdrant 了吧，且與先前提到的mem0底層也是用 Qdrant 去撰寫，感覺這幾個工具的表現都不錯，但 milvus 比較麻煩的是，向量要自己轉換，但官方文件寫的這麼漂亮，搞不好也是極具潛力的一個選擇呢。