超简单的自学方法，一文教会你如何将AI的知识“榨干”

最近一直在和AI聊天，获益良多。

不得不说，和AI聊天，真的能榨出很多东西。

今天给大家分享下，如何在AI身上，把知识给“榨”出来。

我觉得最重要的一点，是——永远保持好奇心，

下面我们围绕【如何做一个“法律小助手”的模型微调】主题来讨论，如何让AI帮我们把这块的知识给“榨”出来。

可以看出我们第一句话，榨出来一个“面”比较全的知识，对于模型微调这件事，我们有了一个比较模糊的流水线的概念了，不像原来不懂的时候抓瞎：

选择模型——准备数据——选择微调方法——搭建微调环境——运行微调——测试模型微调效果——部署微调模型

这个时候，脑子里面一定会出现大量的疑惑：这些文字一个个都看得懂，但是组合起来都不知道是什么东西😵💫😵💫😵💫

所以我们需要按照上面的路线，来拆解出我们真正的问题，再继续去“榨”AI。还是那句话——永远保持好奇心。

比如说我比较好奇是的模型微调到底是用什么数据，那就可以从这块去切入。

针对一个点，好奇的问题，都一一列出来。反正这个老师它不会觉得你“烦”，大胆地去打破砂锅问到底。

它好像给了个答案，但是我确实知道了一点东西，但是还是没能完全理顺这个用法。所以我们接着问。

这次的提问，我们得到了清晰的答案，原来不同类型的数据，需要转成一个统一的能被接受的Dataset格式，并且还能用一个通用的函数来处理。

接着我们就来了解下，完整的训练代码。

至此，我们对模型微调这件事，有了一个比较高层的理解（不细究底层到底发生了什么）

1. 
   
   模型微调可以达到什么效果（参考最后的测试结果示例）
2. 
   
   不同行业怎么做模型微调（已经给出多个数据模板，根据场景不同去套）
3. 
   
   模型微调的数据是怎么传递给大模型训练的（告诉你需要转成特定格式，并且给出了通用转换函数）
4. 
   
   大模型是怎么训练的（给出了模型训练的参考代码）

对于真正想要掌握模型微调技巧的同学，肯定有更多好奇的问题，找到那个方向，接着问下去就行了。

关于“榨干”AI的知识这件事，我认为需要有下面这些前提条件：

1. 1. 保持强烈的好奇心，促使你提出更多的问题
2. 2. 组织出合适的问题，一针见血的问题能够快速得到目标答案
3. 3. 不要因为内容太难而气馁，有时候可能只是因为你的切入点不对。

最近在深入搞AI编程和智能体开发，感兴趣的同学，欢迎入群交流（限时免费开放）。