核心理念（Key Concepts）¶
DeepExtension 让企业能够构建并部署面向特定领域的人工智能模型，并不需要有深厚的 AI 专业知识基础，也不需要昂贵的基础设施。它是一个基于 Web 的平台，专为协作、高效与易用性而设计，轻松完成大语言模型（LLM）训练。
无论是 AI 初步探索，还是扩展 AI 项目，DeepExtension 都能将模块化基础架构、参数高效微调（PEFT）、以及最佳实践驱动的上手体验结合起来，快速获得实际效果。
1. 案例驱动的上手体验与最佳实践分享¶
DeepExtension 不只是一个工具，更是一个真实成功案例与可复用模板的知识库。
- 学习来自生物科技、工业设计、材料科学、全合成、数学规划等领域的真实案例
- 从基于最佳实践的预设工作流中快速开始
- 减少试错，加速获得结果
- 即使从未训练过 LLM，也能快速上手使用 AI
DeepExtension 是为那些觉得 LLM 训练复杂、不知从何入手的人量身打造的起点。
2. 基于 Web 的模块化 LLM 平台¶
覆盖整个 LLM 生命周期的模块化能力，通过用户友好的界面触达：
- 无需编程的网页操作界面
- 提供用于训练脚本、评估指标、模型适配器的开发者接口
- 模块涵盖数据准备、模型训练、微调、评估、部署与监控
3. PEFT 优先：以小博大¶
DeepExtension 强调参数高效微调（PEFT）策略，特别适合计算资源受限的团队：
- 支持如 LoRA、Prompt/Prefix Tuning 和 adapter 模型等技术
- 支持 SFT、PPO、GRPO 等更广泛的微调与对齐方法
- 非常适合在特定业务领域进行快速迭代
- 可根据需求扩展到全参数微调
4. 协作式 AI 工作空间¶
DeepExtension 为双角色用户而设计：
- AI 开发者可一次性接入自定义训练逻辑
- 业务专家可以通过 Web 界面完成操作，无需编写代码
- 快速实现业务洞察与技术执行之间的高效迭代
5. 有组织可审计的工作流¶
支持完整且可追溯的 AI 工作流程：
- 数据集 → 训练 → 评估 → 部署
- 全流程具备版本控制与可复现性
- 可轻松触发小幅但有效的训练升级，如：更换基础模型、提升数据质量或数量、试验新的训练方法，均可低成本完成
6. 可扩展架构¶
DeepExtension 能够无缝适配现有环境：
- 可以接入自定义的模型、逻辑或数据连接器
- 添加自定义评估脚本或事件触发器
- 灵活部署：支持私有云、本地服务器，甚至笔记本电脑（适合学习、原型开发、小规模测试）
7. 为企业级设计¶
为满足企业级 IT 与 MLOps 标准而构建：
- 基于角色的权限控制（RBAC）
- 审计日志与合规支持
- GPU 资源调度感知
- 支持部署于 Linux + CUDA、Windows (通过 WSL) + CUDA、macOS
8. 多语言与多用户协作¶
支持跨语言、跨团队的企业协作场景：
- 文档与界面支持 英语、德语 与 中文
- 支持多用户、多项目的资源隔离与协作
- 提供组织层级的配置与可视化控制
9. 引导式 AI（Guided AI）¶
DeepExtension 的核心是 基于提示优化的引导式强化学习（GRPO）：
- 优化模型响应，使其从自然语言中理解业务意图
- 输出结构化格式（如 JSON），便于对接业务系统
- 支持引导式强化训练，结合业务逻辑与奖励机制进行调优
DeepExtension 是企业拥抱 AI 的起点 ——
基于真实案例、共享经验与引导机制，助您轻松启程。