交互式向导

AITraining 交互式向导将逐步指导您训练第一个 AI 模型。无需配置文件，无需记忆命令 - 只需回答问题并开始训练。

为什么使用向导？

零配置

回答简单问题，而不是编写 YAML 文件或记忆 CLI 标志。

智能默认值

基于您的硬件、模型选择和数据集大小的智能默认值。

内置验证

在训练开始前捕获错误 - 无效数据集、缺失列、不兼容设置。

边学边用

每个步骤都有 :help - 在配置时了解每个选项的作用。

启动向导

aitraining

就是这样。只需运行 aitraining（无需参数），向导就会启动。

您将看到的内容

 █████╗ ██╗████████╗██████╗  █████╗ ██╗███╗   ██╗██╗███╗   ██╗ ██████╗
██╔══██╗██║╚══██╔══╝██╔══██╗██╔══██╗██║████╗  ██║██║████╗  ██║██╔════╝
███████║██║   ██║   ██████╔╝███████║██║██╔██╗ ██║██║██╔██╗ ██║██║  ███╗
██╔══██║██║   ██║   ██╔══██╗██╔══██║██║██║╚██╗██║██║██║╚██╗██║██║   ██║
██║  ██║██║   ██║   ██║  ██║██║  ██║██║██║ ╚████║██║██║ ╚████║╚██████╔╝
╚═╝  ╚═╝╚═╝   ╚═╝   ╚═╝  ╚═╝╚═╝  ╚═╝╚═╝╚═╝  ╚═══╝╚═╝╚═╝  ╚═══╝ ╚═════╝
        From zero to hero Machine Learning Training Platform

🚀 欢迎使用 AITraining 交互式设置！

我将逐步帮助您配置训练任务。
按 Enter 接受 [方括号] 中显示的默认值。

在任何提示符下可用的命令：
  :back  → 返回上一步
  :help  → 显示当前提示符的额外信息
  :exit  → 取消设置

向导命令

这些命令在任何提示符下都有效：

命令	作用
`:back`	返回上一步
`:help`	显示当前问题的详细帮助
`:exit`	取消向导
`/search <query>`	搜索模型或数据集
`/sort`	更改模型/数据集的排序方式
`/filter`	按大小过滤模型（small/medium/large）
`/refresh`	重新加载模型/数据集列表

向导步骤

向导将引导您完成以下步骤：

训练器类型 - 什么类型的 AI？（LLM、分类、视觉等）
训练方法 - 对于 LLM：SFT、DPO、ORPO 或 PPO
项目名称 - 保存训练模型的位置
模型选择 - 选择基础模型（带硬件推荐）
数据集配置 - 选择并配置训练数据
高级选项 - 可选：超参数、LoRA、日志记录

快速开始路径

首次使用
已有数据
特定模型

只是想试试？

运行 aitraining
选择 “LLM”（选项 1）
选择 “SFT”（选项 1）
接受所有默认值
观看训练过程！

向导将自动选择一个小模型和示例数据集。

已经有数据集？

运行 aitraining
选择您的训练器类型
在数据集步骤，输入您的路径：./my_data 或 username/my-dataset
向导验证并检测格式
如需要，配置列

想要特定模型？

运行 aitraining
在模型步骤，使用 /search llama 或 /search gemma
使用 /filter 仅显示适合您硬件的模型
按数字选择或输入完整的 HuggingFace ID

下一步是什么？

SFT 训练教程

训练第一个 LLM 的完整分步指南

理解模型

如何为您的硬件和用例选择正确的模型

数据集指南

理解数据集、格式以及什么最有效

命令参考

所有向导命令和快捷方式

入门

理解选项

交互式向导

交互式向导

为什么使用向导？

零配置

智能默认值

内置验证

边学边用

启动向导

您将看到的内容

向导命令

向导步骤

快速开始路径

下一步是什么？

SFT 训练教程

理解模型

数据集指南

命令参考

​交互式向导

​为什么使用向导？

零配置

智能默认值

内置验证

边学边用

​启动向导

​您将看到的内容

​向导命令

​向导步骤

​快速开始路径

​下一步是什么？

SFT 训练教程

理解模型

数据集指南

命令参考

交互式向导

为什么使用向导？

启动向导

您将看到的内容

向导命令

向导步骤

快速开始路径

下一步是什么？