UI 总览¶
欢迎使用 DeepExtension 用户界面 (UI) — 这是一个基于 Web 的模块化工作空间，旨在帮助领域专家与 AI 开发者协作完成模型开发的全生命周期工作。
本章节将为您提供对所有核心 UI 模块的实用概览，展示它们如何协同工作，使您无需编写代码即可完成端到端的 AI 流程。按照 DeepExtension 界面中的功能区域进行组织，帮助您了解每一部分的作用及其使用方式，主要包括以下几个部分：
Dashboard（总览）¶
实时查看项目状态、训练任务、模型部署、使用统计和最近活动，一目了然。
- 基础数据统计概览：集中展示模型训练、数据集、知识库、模型及评估等核心数据指标。
- 微调任务统计面板：通过柱状图直观呈现不同类型的模型训练任务分布情况。
- 基础模型分布图：环状图形式展示已定制模型中基础模型的占比情况。
- 模型评估分析视图：面积占比图形式展示评估任务中各模式的数量分布。
- 第三方模型资源图谱：环状图呈现系统内第三方模型的厂商分布及类型占比。
DeepExtend¶
使用结构化提示模板引导 LLM 行为，非常适合业务逻辑对齐和构建可重复的 AI 任务,主要包括对文字和图像的推理支持。
DeepText¶
相比传统的 prompt 工作台，DeepText 提供了与数据和模型更深度的集成能力，允许用户：
- 在提示中直接嵌入和引用基于文档的知识
- 对 训练阶段的适配器或 PEFT 检查点 直接进行推理
- 利用部分训练结果模拟生产行为，加速评估周期
DeepImage¶
相比传统的图像生成工具，DeepImage 提供了更灵活强大的图像合成能力，允许用户：
- 生成任意比例尺寸的图像，适应不同应用场景
- 单次操作生成多张图像，提升创作效率
- 通过图生图功能实现创意编辑和风格迁移
- 对生成参数进行精细化控制，获得定制化结果
- 调用预训练模型及自定义检查点完成专业视觉任务
数据集管理¶
可以上传、版本化、标注和管理数据集，支持 JSONL 和 JSON 格式。
知识库（RAG）¶
将大规模文档嵌入到向量空间，用于 RAG（检索增强生成）场景，支持知识库创建与索引管理。
模型训练¶
启动训练任务，使用基础模型，结合微调方法（如 SFT、GRPO），可选择是否启用参数高效微调（如 LoRA），并支持自定义超参数。所有训练任务都通过 UI 完成，无需编程。
此外，该部分还支持模型训练方法的配置功能，以及模型训练参数文件配置的功能。
亮点功能包括：
- “复制训练”按钮：一键复制先前的训练任务配置，仅需更改少数参数（如基础模型、数据集、LoRA rank、学习率）即可快速创建对比实验。
- 训练日志与评估数据可视化：实时查看 Loss 曲线、奖励分数和关键指标，训练过程一目了然。
- 多训练对比：可一次性选择多个训练任务进行并列对比，包括性能、配置、输入输出等。
模型评估¶
DeepExtension 提供了强大的 后来处理模型评估框架，可使用真实数据集对比多个模型输出效果。
关键特性包括：
- 自动评估数据集中的 问题样本
- 提供四种灵活的评估模式
- 每次评估前可进行 预览检查（模型、数据集、评分 prompt 等）
- 后台处理运行，支持大规模模型评估
- 支持导出结果到本地文件，亦可直接在 UI 中查看
- 支持任意模型：包括第三方 API、本地定制模型或已部署的内部模型
该系统可帮助团队自信地对比模型、评估对齐程度并建立标准化评估流程。
模型管理¶
通过以下模块追踪系统中所有模型：
- 第三方模型：您连接的外部模型（如 OpenAI、Anthropic、ModelScope 等）
- 基础模型：用于微调或推理的预定制模型
- 定制模型：训练过程产生的中间产物，通常是 PEFT adapter 或 checkpoint（又称训练产物）
- 完整模型：将定制模型合并至基础模型，生成的独立版本快照，可部署或用于实验
- 上线模型：已部署运行的模型，支持 API 调用或工具集成，可实现实时推理，类似于一个基础模型
每类模型代表训练生命周期中从初步训练到正式部署的每一个阶段。用户可以通过 UI 上的一键操作推进模型生命周期：
- 将 定制模型 转换为 完整模型
- 将 定制模型 转换为 上线模型
- 将 完整模型 部署为 上线模型
- 删除任意阶段不再需要的模型
此结构帮助用户掌控版本、发布和清理流程，确保系统中保留的都是有价值的模型。
设置¶
- 计算环境配置：配置和定义python环境
- 部署工具配置：维护与推理部署工具的集成配置
当前仅支持 Ollama，当部署完整模型时，系统将根据此配置连接本地 Ollama 环境。未来将支持更多如 LM Studio 的本地部署工具。 - 用户管理：管理团队成员、权限和项目访问控制
适用人群¶
本指南适合：
- 领域专家：无需编程也可参与模型训练与评估
- 数据科学家 / ML 工程师：配置训练策略并实现训练逻辑
- 项目管理者：掌控 AI 流程、团队权限和部署状态
下一步建议¶
您可以继续阅读以下章节了解详情：
DeepExtension — 为现实 AI 场景打造的统一工作空间