AI 训练

AI 训练页让你收集、整理并导出用于微调语言模型的训练数据对。

侧边栏位置： AI 训练 路由： /training

什么是训练数据对？

一个训练数据对由一条用户提示词和一条模型回复组成。通过收集高质量的数据对，你可以构建出一份数据集，用来把模型微调成你想要的样子。

数据对是怎么收集来的

训练数据对会从你与工具工坊中 Canvas AI 功能的交互中自动捕获。当 AI 生成工具代码、起草改进方案或给出分析时，每一次交互都会成为一个训练数据对，存储在 IndexedDB 中。

整理数据

主界面是一张表格，列出所有已收集的训练数据对。对每一对你都可以：

接受或拒绝

• 接受 —— 标记为高质量训练数据
• 拒绝 —— 标记为不适用（输出糟糕、幻觉等）

编辑回复

点击任意回复即可编辑。当模型的输出已经接近正确、只是需要修正时，这非常有用 —— 你不必从头再来就能得到正确答案。

打标签

为数据对添加标签，按主题、质量等级或任意自定义类别进行组织。标签便于筛选和导出特定子集。

批量操作

选中多个数据对即可：

• 批量接受 / 拒绝 —— 一次性设置多对的状态
• 批量加标签 —— 为所有选中项应用同一个标签
• 删除 —— 移除不需要的数据对

筛选

可以按以下条件筛选训练数据对列表：

• 状态 —— 已接受、已拒绝或未审阅
• 标签 —— 只显示带特定标签的数据对
• 搜索 —— 在提示词和回复中做全文搜索

导出

选中你想导出的数据对（或用筛选缩小范围），然后点击导出。导出的数据集可直接用于各类微调工具与框架。

统计

页面顶部显示汇总统计：

• 已收集的数据对总数
• 已接受与已拒绝的数量
• 标签分布

小贴士

• 质量重于数量 —— 一份精心挑选的小数据集，微调效果好过一份嘈杂的大数据集。
• 编辑，而不是丢弃 —— 如果一条回复已经对了 80%，编辑它比重新生成更高效。
• 有策略地使用标签 —— 按能力打标签（例如「代码生成」「API 工具」「解释说明」），便于构建聚焦的训练子集。