模型微调是针对base模型的一种局部调整，让模型可以按照你想要的输出内容方式输出内容。从我们日常应用的角度来讲，模型微调其实主要起到两个用处（个人理解）：

1、更改大模型的自我认知；

2、降低模型的算力和显存要求、压缩模型体积。

如果想要通过微调方式做个性化输出控制，其实挺难的，特别是针对专业化领域。因为它不像自我认知，其实来来回回就那些个问题，在专业领域，你的数据集不可能真正做到涵盖所有的问题，所有的回答，如果做专业领域的模型训练，后面会有介绍，使用更多的是RAG。

---

1.微调的简介

微调主要有三种：全量微调、局部微调、增量微调。

全量微调：如名字，针对所有的参数进行微调训练，但是大模型现在的参数都是10亿参数，想要针对所有的参数进行微调，我们普通用户做不到也用不上（况且如果真的做全量微调，哪都能称得上做一个新的base模型了）；

局部微调：区别于全量微调，只微调大模型其中的一部分核心参数，我这边主要会介绍2个，lora微调和qlora微调；

增量微调：和以上两个方法不一样，它不具体的调整模型的参数，而是在模型的外面，控制模型的输出。（不好使不建议）

---

从应用和实际操作的角度出发，我这里主要给大家介绍局部微调，使用的框架分别为：LLAma-Factory（北京航空航天大学开源）、XTuner（上海人工智能）。这两款都是国产开源的大模型微调框架，主要的区别就是有2点：

1、LLAma-Factory有可视化界面，小白易上手操作，而且有loss值的实时展示，XTuner无可视化界面；

2、模型微调过程中，XTuner可以加入主观问题测试，LLAma-Factory不可以。

---

2.LLAma-Factory安装

学习任何框架前，先看它的中文文档。LLAma-Factory的中文文档地址：https://github.com/hiyouga/LLaMA-Factory/blob/main/README_zh.md，文档中的第一句话就是“微调大模型可以像这样轻松…”，应该也算是他们的核心价值观。文档中有相关介绍，总结一下：

1.基本支持所有主流的大模型微调（包括DeepSeek）；

2.微调速度快，之前的文档里有写与P-Tuning相比，其提供3.7倍加速比，现在不知道咋删了。

---

2.1创建虚拟环境

和之前一样，创建个虚拟环境"conda create -n llamafactory python=3.12 -y"，创建成功后，进入该虚拟环境"source activate llamafactory"。如果之前没下载好模型，那就进入魔搭社区，通过python文件，用SDK方式下载DeepSeek1.5B模型。

2.2git拉取源码

中文文档中的源码安装方式是：

第一步，我们使用命令如下命令拉取代码

git clone --depth 1 https://github.com/hiyouga/LLaMA-Factory.git

这个时候如果没有反应，出现"unable to access"说明租赁的云服务器拉取git上面的代码还是有存在问题，需要通过科学上网方式。

如果你没有的话，autodl官方提供了科学上网方式，可使用autodl官方的学术加速命令“source /etc/network_turbo”开启加速。打开学术加速，仅可访问git/huggingface资源地址，如下即可进行访问：

拉取成功后，我们可以看到在根目录下有一个llamafactory的文件夹，此时我们通过cd命令进入该文件夹，然后在这个文件夹内继续安装llamafactory的环境配置。此时官方文档上建议我们安装很多依赖包，我这边建议，就装个基础配置，其他的到时候根据需要再进行安装。安装环境命令：

pip install -e .

安装成功后，如下图所示：

最后，在官方文档中，提供了可视化操作命令，通过命令“llamafactory-cli webui”打开可视化界面，默认是英文，在“language”里选择zh，使用中文语言。如下所示：

至此，微调框架“LLAma-Factory”安装完毕，可打开前端页面进行模型的微调训练，这个的环境配置稍微麻烦点，大家可以上手实操一下。

---

下一篇，我会通过对框架中的自我认知文件进行微调训练，微调成功后，你再问这个模型，它就可以按照你的微调内容输出内容。比如，你问它是谁，他可以说是你开发的模型，这个就使用玩玩。

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！