我要投稿

教你如何10分钟内批量制作上万条大模型微调数据集

发布日期：2025-05-13 02:41:34 浏览次数： 3336

作者：阿铭linux

微信搜一搜，关注“阿铭linux”

上个月上线了【运维大模型课】，最近一直忙着整理讲义和录课，所以公众号文章发的都少了。

课程目前已更新21小节，目前保持周更的频率。

除了跟大家简单汇报下课程进度外，还想分享一个超赞的工具。我相信所有做大模型微调的朋友，一定会为如何制作数据集发愁，尤其是想把自己专属的文档（如word、txt等）转换成符合要求格式的数据集。

今天的主角就是这个开源的大模型微调数据集创建工具：Easy Dataset（https://github.com/ConardLi/easy-dataset），目前github上已有6.4k Star，而且它的增长速度非常快。

作者不仅提供了多系统平台客户端，非常Nice

而且还支持npm或者docker的形式部署在Linux服务器上。下面是我在windows系统上做了一个测试，效果还不错。

1）下载windows客户端

点击上面那个setup.exe，然后跳转到下载页面

再点这个exe文件下载

2）安装客户端

这个不用多讲，大家都会，直接双击exe文件安装即可。

3）安装完，需要做一个简单的配置

先创建项目

然后定义项目名字和描述

模型这里可选的模型还是蛮多的，比如GPT-4o、DeepSeek、Grok等，也可以使用私有部署的大模型，我用的是DeepSeek（deepseek-chat)，这里需要到deepseek官网申请一个apikey

提示词配置比较关键，如果想生成比较符合你预期的数据集，就需要在提示词这里下点功夫了，我测试的时候直接留空了

4）上传文献

支持多个文件，由于大模型不能一下子处理太多文本，所以Easy Dataset会根据我们的设置来分割文件

5）生成问题

有了文本块之后，下面需要先生成一个一个的问题，基于问题再去生成对应的问答对儿。选中文本块之后，点击右侧的批量生成问题，即可自动生成问题。

6）生成数据集

有了问题之后，就可以自动生成数据集了，点击上面的“问题管理”菜单

选中你想要生成数据集的问题，然后再点击右上角的“批量构建数据集”即可自动生成数据集。

7）导出数据集

等数据集生成完毕之后，点击“数据集管理”菜单

可以点击每一条数据集右侧的小眼睛查看具体的数据集内容

可以看到，它为我们生成的数据集内容，有问题，有回答，也有思维链内容，这个数据集用来训练DeepSeek或者Qwen大模型都是非常合适的。

选中你想要的数据集，然后点击右上角的“导出数据集”

可以选择JSON、JSONL或者CSV格式，数据集风格默认是Alpaca，也可以自定义，这个主要取决你微调时用什么样的数据集。包括系统提示词也可以自定义。

总之，这个Easy Dataset体验还是非常不错的。

·············· END ··············

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2026-05-14

多轮 Agent 场景下，滴滴的 EAGLE-3 训推加速实践

2026-05-06

谁说 Mac 只能写代码？Google 官宣：M 芯片本地微调 Gemma 4 时代开启！

2026-04-20

用 Unsloth 微调 Embedding 模型，让你的 RAG 检索不再答非所问

2026-04-15

ComfyUI v0.19.0 更新：大量新节点、新模型、新修复与性能优化全面落地，工作流与训练能力再升级

2026-04-13

Agent 持续学习落地路径：先做 Traces，再做 Context，最后才微调模型 | Jinqiu Select

2026-03-23

养死四只龙虾的小白有感

2026-03-22

Mistral Forge 的真正意义：企业AI从“租用”走向“拥有”

2026-03-21

马斯克再次站台Kimi，扒掉了Cursor 500亿估值的底裤

联系获取

联系获取

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

MiniMax M2.7 炸场！自己训自己，8 项基准硬刚 GPT-5 和 Opus 4.6

2026-03-19

ComfyUI v0.19.0 更新：大量新节点、新模型、新修复与性能优化全面落地，工作流与训练能力再升级

2026-04-15

马斯克再次站台Kimi，扒掉了Cursor 500亿估值的底裤

2026-03-21

罕见！Meta、OpenAI、xAI联合分享了用生产环境提升LLM的最佳实践！

2026-03-03

Mistral Forge 的真正意义：企业AI从“租用”走向“拥有”

2026-03-22

养死四只龙虾的小白有感

2026-03-23

【淘宝直播数字人互动LLM】告别AI感：基于真人ASR数据的拟人化探索

2026-03-17

Agent 持续学习落地路径：先做 Traces，再做 Context，最后才微调模型 | Jinqiu Select

2026-04-13

用 Unsloth 微调 Embedding 模型，让你的 RAG 检索不再答非所问

2026-04-20

谁说 Mac 只能写代码？Google 官宣：M 芯片本地微调 Gemma 4 时代开启！

2026-05-06

大家都在问

DeepSeek 发布新论文，提出全新 MHC 架构，有何创新与应用前景？

2026-01-02

LoAR做Fine-Tuning微调原理到底是什么？

2025-11-19

如何将 AI 代码采纳率从30%提升到80%？

2025-09-25

大模型微调，为什么99%的企业都不应该碰这个坑？

2025-06-20

万不得已，不要对 LLM 进行微调？

2025-06-17

可以将任何符合OpenAPI规范的接口转 MCP Server吗？

2025-05-21

OpenAI发布GPT-4.1系列模型，对行业最大吸引力是什么？

2025-05-17

私有部署大模型需要多少显存？

2025-05-14

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS Skill 提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件 FDE AI+医疗 MaxKB Palantir Glean Openclaw

应聘简历请发送至： ceo@53ai.com

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部