上篇「星河实战派」，我们聊了星河社区的CLI训练能力：发一条命令，云端帮你跑完微调。但那条命令挺长的——baseModel要记全名，trainData要填仓库路径，超参数类型传错直接报错，光把参数搞对就得对着文档看两遍。

别急，cli-trainer正式上线了。如果你对微调大模型感兴趣、想动手体验但不想从零配环境写代码，并且你正在使用AI IDE工具，可以直接把这篇文章发给你的 AI Agent，让它帮你完成整个流程。

cli-trainer是一个面向本地AI IDE（Cursor、Claude Code 等）的Skill。安装后，在对话框里描述你的需求，它会自动完成从环境检测、数据上传到训练提交、模型卡片生成的整个链路——不需要写任何训练代码，训练好的模型直接可通过API调用。其底层是AI Studio星河社区，云端提供算力和训练环境，支持文心系列和主流开源模型。

一句话触发完整训练链路

今天这篇，我们用一套数据集从零走一遍完整流程。

前期准备

1. 星河社区账号——aistudio.baidu.com注册，免费

2. Access Token——登录后访问aistudio.baidu.com/account/accessToken 获取。注意必须是这个页面的令牌，不是API Key或SDK缓存token——后两者没有训练所需的写权限，会鉴权失败。获取后推荐设为环境变量：

export AISTUDIO_ACCESS_TOKEN="your_token"

3. 训练数据集——数据集没有白名单限制。三种来源都可以用：Skill内置了一批公开数据集（--list-datasets查看），可直接用于快速体验；也可以直接指定星河社区上已有的数据集仓库路径；或者通过CLI将本地文件上传到星河社区，Skill会自动完成建仓和上传，不需要手动填表单。

💡小提示：创建数据集仓库时建议把可见性设为公开，私密数据集在平台侧有一定的挂载限制

安装

cli-trainer已在星河社区Skill学习与教程专区（aistudio.baidu.com/skillhub）正式上线。进入平台首页下滑至Skill专区即可找到（文末附专区入口）。

或者更快捷的方式——直接在AI IDE对话框里发送：

帮我把github.com/liuyunlin/cli-trainer安装到本地

安装完成后重启会话，IDE即可自动识别新Skill。

支持模型

平台对模型进行白名单管理，目前支持ERNIE系列、DeepSeek系列、Qwen2.5系列等主流模型，后续会持续扩充。安装Skill后运行 --list-models可查看当前完整列表。

部分主流白名单模型

数据格式

文心系列使用PaddleFormers框架，格式为src/tgtJSONL，其中src和tgt的值必须是列表：

{"src": ["输入/问题"], "tgt": ["期望输出/回答"]}

⚠️ 写成裸字符串是最常见的错误，会报"非ERNIE格式"。必须用方括号：{"src": ["问题"], "tgt": ["回答"]}，不能 {"src": "问题", "tgt": "回答"}。

开源模型使用 LlamaFactory，支持 Alpaca 和 ShareGPT 两种格式：

{"instruction": "问题", "input": "", "output": "回答"}

{"conversations": [{"from": "human", "value": "问题"}, {"from": "gpt", "value": "回答"}]}

也支持JSON数组文件。数据量参考：50–500条够跑通流程，1,000–10,000 条适合垂直领域微调，10,000条以上才谈全面提升。

使用流程

触发Skill后，整个微调流程按以下顺序自动推进：

• 环境自检 — 检测 Python 版本、依赖包、网络连通性

• Token 验证 — 确认 Access Token 有效

• 选模型 — 展示白名单，从中选择

• 验数据 — 检查数据格式，提前拦截不匹配的情况

• 准备数据集 — 若需上传本地数据，自动完成建仓和上传

• 推荐超参 — 根据数据量和模型大小给出推荐参数，等确认后才提交

• 提交训练 — 获得 Job ID

• 监控进度 — 自动轮询状态；进入训练后可打开 Tensorboard 看板

• 完成收尾 — 输出训练报告、给出模型仓库地址、推送模型卡片 README、设置元信息标签。

✨整个流程中，Skill不会在未经确认的情况下自动提交训练任务

⚠️有两个步骤依赖浏览器自动化：数据集仓库创建（自动在星河社区建仓，省去手动填表），以及训练完成后的模型标签设置（语言、任务类型、训练框架等元信息）。Skill优先使用Playwright MCP（本地 IDE 通常已集成），也支持web-access Skill（需要用户 Chrome 开启远程调试授权）以及其他基于CDP协议的浏览器自动化工具。两者都不可用时，Skill会引导用户手动完成这两步。

👉推荐在本地AI IDE（Cursor、Claude Code）中使用，网页端AI产品浏览器权限受限，相关功能可能无法运行。

下面用一个真实的潮汕话问答数据（507条，src/tgt格式）微调ERNIE-4.5-0.3B，走一遍关键步骤。

环境自检→Token验证→选模型

Skill 先检查本地环境是否就绪，然后验证你的 Access Token。Token 来源优先级：环境变量 > 命令行参数 > SDK 缓存，如果环境变量里存的是旧 Token，可能会和缓存冲突导致鉴权失败——遇到 401 的话，先检查是不是 Token 过期了。

环境通过后，Skill 会展示模型白名单让你选择。平台对模型做了白名单管理，只有列表里的模型才能提交训练。

验数据

选好模型之后，Skill 会对你的数据做格式检测。ERNIE 模型需要 src/tgt 格式，开源模型需要 Alpaca 或 ShareGPT 格式——格式不对的话训练阶段才会报错，白等半天。Skill 在提交之前就会帮你拦住。

文件容器：        JSONL记录数：          507检测到格式：      ERNIE 格式（src/tgt）格式检查：        全部通过 [OK]

准备数据集

如果用自己的数据，Skill 会帮你上传到星河社区的数据集仓库。上传方式优先走浏览器自动化（Playwright MCP），不可用的话会引导你手动创建仓库再通过 SDK 上传。

⚠️ 注意：新建的数据集仓库默认 .gitattributes 里会把 *.jsonl 和 *.json 文件走 LFS 存储，导致训练时平台拉到的是 LFS 指针而非真实文件，任务会卡在 waiting_data。Skill 在上传后会自动校验（--verify-upload），如果发现 LFS 问题会帮你修复——编辑 .gitattributes、删除指针文件、重新上传。

如果不想用自己的数据，Skill 内置了 11 个推荐数据集（--list-datasets 查看），直接选一个就能跑通。

推荐超参

Skill 根据你的数据特征和选择的模型自动算一组推荐参数，不是给万能默认值——比如根据数据平均字符长度推算 max_seq_len，根据模型大小推荐学习率。确认后才提交，不会跳过确认直接动手。

样本数：507平均字符长度：65  ->  建议 max_seq_len：128推荐超参数：  num_train_epochs: 3  per_device_train_batch_size: 4  learning_rate: 5e-05  max_seq_len: 128  warmup_steps: 50  bf16: true

快速选参心法：

效果差/loss 不降 → 先查数据质量再调小 learning_rate；

OOM → 调小 batch_size 或 max_seq_len；

想多训几轮 → 调大 num_train_epochs。

提交训练 → 监控进度

确认参数后提交，任务在云端执行。提交成功后会拿到 Job ID，Skill 自动轮询状态：

waiting_data → pending → running → succeeded / failed

waiting_data 超过 10 分钟的话，Skill 会自动检查系统日志帮你定位问题。

完成收尾

训练成功后，Skill 会输出训练报告（loss 趋势和收敛分析）、给出模型仓库网页地址、推送模型卡片 README、设置元信息标签。

我们本次微调的训练信息👉507 条数据、ERNIE-4.5-0.3B、3 个 epoch，从提交到完成大约 5 分钟。

训练好的模型自动上传到你的星河社区模型库（aistudio.baidu.com → 右上角头像 → 个人主页 → 左侧「模型」），API 直接调用。

完成后，不需要切浏览器，即可在 IDE 对话框里完成对话，AI 会自动构造请求，模型回复直接就会出现在对话里。

帮我通过 AI Studio API 调用训练好的模型，问它：潮汕话怎么问侯吃饭？

重要限制

常用命令速查

# 环境与鉴权

python3 train.py --env-check

python3 train.py --verify-token

# 查看可用资源

python3 train.py --list-models

python3 train.py --list-datasets

# 数据检验与超参推荐

python3 train.py --check-data train.jsonl

python3 train.py --suggest-params train.jsonl --model-type llama

# 提交训练

python3 train.py --submit \

--base-model 'hetiechao/Qwen2.5-0.5B-Instruct' \

--train-type 'SFT/LoRA' \

--train-data 'your_gitlogin/your_dataset' \

--train-file 'train.jsonl' \

--params '{"num_train_epochs": 3, "learning_rate": 5e-5, "lora_rank": 8, "fp16": true}'

# 监控与诊断

python3 train.py --status JOB_ID

python3 train.py --logs JOB_ID

python3 train.py --diagnose JOB_ID

python3 train.py --train-summary JOB_ID

python3 train.py --cancel JOB_ID

常见问题

waiting_data 超过 10 分钟？

Skill 会自动诊断，按顺序排查：repo_id 是否来自详情页；--train-file 是否和仓库实际文件名一致；文件是否被 LFS 劫持（需 is_lfs: false）。如果日志持续循环"正在等待数据集下载完成"，通常是平台内部挂载问题，保留 Job ID 联系平台排查。

ERNIE 模型报"非 ERNIE 格式"？

src 和 tgt 的值必须是列表：{"src": ["问题"], "tgt": ["回答"]}。

超参数提交时报类型错误？

超参数值不能加引号，3 而非 "3"，5e-5 而非 "5e-5"。

SFT/LoRA 训练完成但模型调用失败？

需确认平台完成了 LoRA 合并导出，模型仓库中应有 model.safetensors、config.json、tokenizer.json 等完整权重文件，而非仅 adapter 文件。

遇到问题如何排查？

提供 Job ID 和报错截图，在评论区留言或联系官方即可。Job ID 格式如 aistudio_train_job_20260515xxxxxx_xxxx，Skill 提交训练时会在对话中输出；找不到可以直接问 AI IDE："帮我查一下刚才提交的训练任务 Job ID"。

写在最后

上篇说"发一条命令就能训模型"，这篇把这个命令也省了，强烈推荐大家亲自体验一下。

cli-trainer Skill 解决的不是一个技术难题，它解决的是一个体验断裂：你每天在 IDE 里写代码，但想让模型更懂你的业务，得打开浏览器、去另一个平台、填一堆表单。现在不用了——在对话框里说一句话，Skill 即可帮你跑完全流程，训好的模型 API 直接调。

评判一个工具好不好，标准其实很简单：它能不能让你在正在做的事情上少跳出去一步。

👉 星河社区：aistudio.baidu.com

👉 两种Skill获取途径：

①星河社区skill学习与教程专区：

aistudio.baidu.com/skillhub

②在 AI IDE 中发送"帮我把 github.com/liuyunlin/cli-trainer 安装到本地"

🎁 训完别急着关——ERNIE衍生模型还能赢好礼👇👇👇

ERNIE衍生模型激励计划

CLI Trainer Skill微调ERNIE，赢京东卡！

即日起，上传你用Skill训练的ERNIE衍生模型，即可赢奖励！

📌 模型提交链接：

https://paddle.wjx.cn/vm/YlUbBvE.aspx#

📅 活动截止至 2027年6月30日，每季度评审一次，无上限名额。

⬇️ 扫码加入官方活动群，获取活动最新消息：

别让它躺在模型库里吃灰了，赶快行动起来吧👏

相关推荐：

• 零基础也能训模型！星河社区CLI训练能力上线，算力全包！

关注【飞桨PaddlePaddle】公众号

获取更多技术内容~