训练脚手架
一键拉取分布式训练模板，内置断点续训与日志回流。
上手耗时≤ 20 分钟
01 / CAPABILITY
核心能力分区
以 Tab 选项卡组织五类能力，切换即换上下文，减少在页面间来回跳转的疲劳。每个分区都标注了可量化指标。
数据集市
按领域与许可筛选，附带采样脚本与清洗规则说明。
已收录480 组
提示工程台
版本化对比提示词，记录每次改动的评分与失败样本。
评测集120 条
部署运维
容器镜像与推理网关模板，含限流、灰度与回滚脚本。
冷启动< 900ms
社区互助
按标签配对的问答小组，鼓励附上最小复现仓库。
采纳率68%
02 / WORKFLOW
图文特写：一次跨组协作
把「提问—复现—修复—归档」串成可见的路径，让知识和人一起沉淀下来。
从一条 issue 到可复现方案
社区成员提交训练不收敛的问题后，系统自动附带环境指纹与最近 3 次实验的指标曲线；结对伙伴在 15 分钟内响应，并把结论写回知识库，供后来者直接检索。
- 附最小复现脚本（< 200 行）与随机种子
- 标注框架版本、CUDA 与数据规模
- 结论回写时保留失败分支，避免重复踩坑
- 每周汇总高频问题，进入「避坑榜」
03 / GUIDE
实用指导清单
六条可立即执行的要点，覆盖环境、数据、评测、协作与发布，每条都带可核对指标。
用固定种子锁定可复现
在训练脚本开头统一设置 seed=42，并记录 numpy / torch / cuda 版本。差异超过 0.3% 时先排查随机性，而非改动模型。
指标：两次运行指标波动 ≤ 0.3%
数据集先做 1% 抽样冒烟
上线全量训练前，用 1% 抽样跑通 50 步，确认显存峰值与吞吐符合预期，避免整夜白跑。
指标：冒烟耗时 ≤ 8 分钟
为提示词建版本号
提示词按 v1.2.3 命名并写变更说明，评测集固定 120 条，改动后回归通过率不低于 92% 才合并。
指标：回归通过率 ≥ 92%
提问时附最小复现
贴出可运行片段、报错全文与已尝试方案，社区平均响应时间可从 3 小时降到 15 分钟，也更容易被采纳。
指标：首次响应 ≤ 15 分钟
推理服务先压测再灰度
按目标 QPS 的 1.5 倍压测，观察 P99 延迟；灰度 5% 流量观察 30 分钟无异常再全量。
指标：P99 < 420ms，错误率 < 0.5%
结论必须回写知识库
解决后 24 小时内补一条结构化笔记（场景 / 原因 / 修复 / 验证），让下一个遇到同样问题的人少走弯路。
指标：回写率 ≥ 80%
04 / LIVE
最新动态与资讯
社区里正在发生的事，都是可以立刻参与的具体活动。
周四晚共学：把训练脚本跑进容器
90 分钟结对调试，带着自己的环境来，现场解决依赖冲突。上期 42 人参与，31 人当场跑通。
线上共学部署运维结对
提示工程评测榜更新
新增 18 组提示词版本，榜单按任务类型分组，公开失败样例，方便横向对比与借鉴。
评测榜提示工程对比
数据集市新增 36 组条目
覆盖语音、文档理解与结构化预测，全部标注许可类型与清洗脚本，可直接拉取使用。
数据集技术资源许可标注
05 / COMPARE
解决方案对比
三种常见起步方式的关键差异，按团队规模与时间预算选择。
| 方案 | 适合团队 | 首次上线 | 月成本区间 | 主要风险 |
|---|---|---|---|---|
| 自建训练集群 | 6 人以上，长期投入 | 约 3–5 周 | 较高 | 运维负担重，扩容慢 |
| 托管平台 + 社区模板 | 2–8 人，快速验证 | 3–7 天 | 中等 | 依赖配额与限流策略 |
| 推理 API 直接调用 | 1–3 人，验证想法 | 半天内 | 较低 | 定制能力受限，需评估数据合规 |