[1/3] 科研工作往往离不开数据处理（尤其是 AI 和大模型相关），管理各种数据最佳的方式是把他们存储到关系型数据库里，可到了查询数据的时候往往受限于数据库查询语句的能力，比如标准 SQL 语言最多支持用 LIKE 匹配带有通配符的字符串，然后每个数据库平台都有自己的正则表达式扩展。但要想做到搜索引擎级别的数据查找，就要在查询发生前对数据做有效的索引，把文本分拆成 token（中文要进行分词），其他格式（PDF/XML/JSON）要自动提取有效文本，还要支持模糊查找，对多个搜索结果进行相关度打分等。目前能做到这点的，也就只有 Oracle 数据库了，而且这个功能（Oracle Text）在 20 多年前就开发出来了。我要玩大模型的话，一行 Python 的文本处理代码都不想写，要让数据完全在数据库里做预处理，再让数据库直接调用 FPGA 程序去训练大模型。