这两天在琢磨 PowerPC G4 和 6502 ，分别问了 ChatGPT 两个汇编语言的问题，AI 都没有回答正确，而且存在比较严重的似是而非。分析了一下原因，PowerPC G4 在网上的公开资料很少，而 6502 的资料虽然多，但是它有一些 Gotcha （比如说光是寻址模式就有 13 种）。 问题具体就不说了，实在是有点长，而且估计也是大家没啥兴趣的东西。只能说，更加坚定了以后往底层走的信心。 相比之下，笔者的本职工作是数据工程，无论是写 SQL 还是写 Pyspark 、Scala ，AI 除了优化一般之外，基本上都能胜任。我相信如果能够把公司的所有代码都导入进模型的话，可以代替本人 75%的工作。
拿特定硬件架构的知识和案例， 做 RAG 场景或者微调特定模型就行了； 这个属于 AI 工程解决的手段，并不是说通用基线大模型或者 AI 不支持，就没用了。毕竟预训练通用大模型并不一定拿得到你这个工作领域的私域知识。但是真要做，也不是不行， 看成本了。
