🧠 AI训练师手册2

照着《AI训练师手册2——DeepSeek＋模型训练＋商业应用实操》（谷建阳、贾一琦 编著，北京大学出版社）做的自学笔记 —— 它是 AI训练师手册 的续册：上一本讲这个职业的全景与算法基础——要会什么、机器学习三条路怎么选、六种网络各管什么、指标怎么读；这一本讲「手怎么动」——DeepSeek 装到本地、知识库搭起来、数据标出来、LoRA 训出来、声音克隆出来，最后落到八个行业里各自怎么用。两本合起来，是「知道为什么」加「真的做得出来」。全书 3 篇 12 章 104 篇，一条主线十二步：第 1 章 16 篇 AI入门（模型到底是什么、量化与蒸馏在省什么）；第 2 章 9 篇模型部署（Ollama＋Cherry Studio＋Page Assist，把 DeepSeek 装到自己机器上）；第 3 章 6 篇数据获取（数据集与 AnythingLLM 知识库）；第 4 章 7 篇数据标注（MakeSense 打标）；第 5 章 8 篇模型微调（OpenAI Platform，在已有模型上改脾气）；第 6 章 9 篇语言模型训练（嵌入模型与向量检索，让模型认得你的文档）；第 7 章 7 篇绘画模型训练（SD-Trainer 与 LoRA，训一个会画画的）；第 8 章 6 篇语音模型训练（weights 平台，克隆一个会唱的声音）；第 9~12 章各 9 篇，把这套东西放进八个行业——政务与教育、交通与智驾、医疗与法律、金融与农业，每章都是「三条训练要点＋六个落地场景」。本课是 实操课，分三层写：第一层「能算的」全部真算（token 账、显存账、量化体积、LoRA 参数量、向量维度与相似度、检索命中率、脱敏前后的信息量）；第二层「能用 numpy 手写就手写」全部真跑（分词与嵌入、余弦检索与 top-k、K-means 聚类打标、PCA 降维、量化误差、剪枝与蒸馏的损失曲线、分箱脱敏、音频重采样与变调）；第三层「必须在图形界面里点的」（Ollama、Cherry Studio、AnythingLLM、MakeSense、SD-Trainer、weights）写成【📋 实操清单】加【🐍 沙箱等价物】——清单说清点哪儿、填什么、看到什么算成功。书成于 DeepSeek 走红之后、各家产品一周一个样的时期，凡涉及具体界面、按钮位置、模型代号的地方用【⚠️ 2026 现状】单列，命令行的部分几乎不变、界面的部分几乎都变。大白话、不跳步骤、必带生活比喻、常见误区、可折叠自测题。

内容来自我的 Obsidian 自学笔记 · 全书规划 12 章 104 篇，已完成第 1~11 章（95 篇） · 更新中 🚧