模型微调自动化：基于Llama Factory的超参数搜索与最佳配置推荐
2026/1/9 12:21:08
本文详细介绍了如何使用大模型搭建本地知识库，通过cherry studio平台和硅基流动API，实现本地数据的安全检索与分析。文章分步骤讲解了模型配置、文本嵌入模型选择及知识库搭建过程，帮助读者打造专属AI助理，高效处理法律等专业文档，减少人工工作量。虽然存在只能在本机使用的限制，但仍是提升工作效率的实用解决方案。
前段时间用大模型搭建了一个自用本地知识库，觉得很好用！像有个助理任劳任怨地，可以随时召唤处理一些搜索、归纳的工作，减少人肉工作量，如有神助。
最主要是数据全部放在本地（资料文件在个人电脑上），除了调用大模型联网，相对来说是比较安全的。如果考虑绝对数据安全的，那就需要大模型本地部署了。
我突发奇想，当前安全管理工作涉及的法律法规、规章条例众多，如果把这些内容进行知识库化，用时就能做到信手拈来，找到出处，减少遗漏错误。
个人认为最重要的一点，能避免“AI幻觉”干扰你所获得条款、条文，因为大模型获取的信息源都来自本地文件。
我使用方法是基于cherry studio平台+硅基流动，当然也有其他方法，有兴趣的可以去探索。
1 搭建大模型
我使用的是cherry studio，该怎么解释它的作用功能呢？
简单说就是一个“AI万能工具箱”，做个不准确的比喻：它主要有三大功能。
大模型集合体：如同工具箱里既有瑞士军刀（通用模型）、电钻（专业模型）。
知识库管理：像智能文件柜，不仅能自动分类资料（文档处理），还能瞬间找到夹在书页里的便签（向量检索）。
生产力工具：好比桌面上摆着翻译器、绘画本、灵感速记本，一键切换各场景。
现在只说知识库管理。
cherry studio扮演中间人，左手牵着大模型，右手拉着知识库里的文件，你两就在我这里交付产品吧！产品定制要求来自你。
首先安装cherry studio，网站 https://www.cherry-ai.com/
第二步，依次点击设置→模型服务→硅基流动→打开按钮。
第三部，在硅基流动官网注册账号，并新建api密钥。
第四步，把官网api密匙复制到cherry studio里，点击检测，成功连接会显示✓。api密钥的作用相当于一把钥匙，如果和刚才新建的密钥一致就能直接使用硅基流动所有的模型。
同理也能在列表里deepseek、kimi平台新建密钥。
2 搭建文本嵌入模型
文本嵌入模型能实现常用的检索功能：密集检索、多向量检索和稀疏检索。常用免费的是BAAl/bge-m3。
用大家听得懂的话解释：就像一台“语义翻译机”—它能把文字（比如句子、段落）转换成计算机能理解的数字密码（向量）。这些数字不仅能保留原文的意思，还能让计算机快速比较不同文本的相似度。
处理数字是计算机最擅长的了。
首先搭建知识库，依次点击知识库→添加→常规设置→选择BAAl/bge-m3。
提醒下，最左侧导航栏，需要在设置里的显示设置修改才会出现。
知识库搭建完成，就能文件“喂”给知识库了。文档、网址来者不拒。我上传了消防法文本文档。
3 使用知识库
完成上述两步，知识库已经搭建完成，切换到对话栏就能使用了。
使用前先选择自己要用的模型，在选择知识库。说下deepseek两个版本模型区别，R1偏推理，对发散性问题处理比较好；V3适合长文本处理，各有所长。
演示一下，我键入“人员密集”，等待几秒后得到输出结果。结果中的某些内容右上角数字就是引用来源。
当你电脑上有很多的日常储备的文件，急需某条专业标准要求时，使用大模型搭建知识库不失为一个高效准确的方法。
这个知识库也有个缺点，就是只能在当时安装的电脑上使用，对于有频繁变动的工作地点的不太友好。
如何系统的学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
01.大模型风口已至：月薪30K+的AI岗正在批量诞生
2025年大模型应用呈现爆发式增长，根据工信部最新数据：
国内大模型相关岗位缺口达47万
初级工程师平均薪资28K（数据来源：BOSS直聘报告）
70%企业存在"能用模型不会调优"的痛点
真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！
02.大模型 AI 学习和面试资料
1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工
📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。