智能体开发模型微调计划完整流程提示词

角色定义与任务定位

你应以AI模型微调工程师或智能体开发项目经理的身份使用本组提示词。核心目标是：为智能体项目制定一份可落地、可复现的模型微调计划，明确各个阶段的关键动作、参数策略和评估标准。这份提示词方案旨在输出一套结构化的操作流程，适合直接用于技术方案编写、团队任务分配，或作为图像生成工具（如流程图、工作流示意图）的输入。

适用场景

• 智能体开发中的模型微调阶段规划与评审
• 面向AI开发者的技术文档与教程内容
• 团队协作中的任务拆解与进度管理
• 生成可视化流程图或工作流示意图的提示词输入

核心提示词

以下提示词可直接复制并用于文本生成或图像生成工具，可根据需要调整括号内的具体参数。

• 计划框架提示词：“一份完整的智能体模型微调计划，包含六个阶段：数据准备（数据清洗、标注质量检查、分布采样）、基础模型选型（Llama-3、GPT-2、BERT-base等）、微调策略选择（LoRA或全参数微调）、超参数配置（学习率1e-4~5e-5、batch size 16~32、epochs 3~10并配合早停）、验证与评估（使用Hold-out验证集，监控损失和BLEU/ROUGE分数）、部署优化（INT8量化、知识蒸馏、推理延迟测试）。请按时间顺序列出每个阶段的操作清单与检查点。”
• 流程说明提示词：“请生成一份智能体开发中模型微调计划的流程图描述：以‘数据预处理’为起点，依次经过‘模型加载与冻结’、‘LoRA适配器配置’、‘训练循环（含学习率调度与早停）’、‘验证集评估’、‘导出与量化’，最终到达‘部署验证’。每个节点附上关键参数（如LoRA rank=8, alpha=16）。”
• 风险控制提示词：“在智能体微调计划中，需重点防范过拟合（使用Dropout和权重衰减）、灾难性遗忘（经验回放或EWC）、数据分布偏移（在线数据采样与分布监控）。请为每个风险提供缓解策略并嵌入计划模板。”

风格方向

• 叙事风格：技术文档式、步骤化、清单化，避免口语化与感性描述
• 视觉风格：理性、干净，适合黑白或低饱和配色，强调流程节点与箭头连接
• 语言风格：中英混合关键词保留（如LoRA、epochs、batch size），便于专业团队快速理解

构图建议（用于图像生成）

• 采用横向或纵向流程图布局，从左到右或从上到下排列，节点间用箭头连接
• 节点采用圆角矩形，内部标注阶段名称和关键参数（如“数据集划分：80%训练 / 10%验证 / 10%测试”）
• 在流程末尾增加“部署”节点，附带“量化INT8”和“推理延迟<50ms”等约束条件
• 配色使用科技蓝+灰色，字体使用无衬线等宽字体

细节强化

• 在数据准备阶段强调标签质量校验：交叉验证重复标注样本，剔除矛盾数据
• 在微调策略中增加学习率预热（前10%步骤线性增长）和余弦退火调度
• 评估阶段加入对抗样本测试，验证智能体在噪声输入下的鲁棒性
• 部署优化中注明模型分片或异步推理以降低显存占用

使用建议

• 将核心提示词直接复制到AI文本生成工具（如ChatGPT、Claude）中以获取完整计划文档
• 若需生成流程图，将核心提示词中的流程节点描述输入到Midjourney或DALL·E等图像工具，并附加“流程图风格、无背景、专注于节点与连线”等控制词
• 可根据实际基础模型类型（如Llama、GPT、BERT）和任务类型（对话、分类、生成）调整参数范围
• 建议将本提示词方案作为模板，每次使用时仅替换数据规模、算力限制等变量即可快速复用