---
title: "Kiln AI- 开源 AI 原型设计和数据集协作开发工具，微调专属模型"
url: "https://paooo.com/aigc-news/22134/"
author: "Prompt 语宙研究院"
published_at: "2026-06-09T04:29:51+08:00"
updated_at: "2026-06-09T04:29:51+08:00"
categories: "AIGC 资讯"
tags: "Llama, Ollama, OpenAI, OpenRouter, 大模型微调"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# Kiln AI- 开源 AI 原型设计和数据集协作开发工具，微调专属模型

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/22134/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-09

## AI 30 秒核心看点 (TL;DR)

- 开源桌面工具覆盖微调、合成数据与协作，支持 Windows、MacOS、Linux。
- 基于 Git 的数据集版本管理，适合 QA、PM 和领域专家共同构建训练集。
- 支持多模型与 OpenAI 兼容接口，微调后可自动部署到云端或本地。

## Kiln AI是什么

Kiln AI是开源的 AI 开发工具，能简化大型语言模型（LLM）的微调、合成数据生成和数据集协作。Kiln AI提供直观的桌面应用程序，支持 Windows、MacOS 和 Linux，用户基于零代码方式对多种模型（如 Llama、GPT4o 和 Mixtral）进行微调，实现自动部署。Kiln AI提供交互式工具生成训练数据，支持基于 Git 的版本控制，方便团队协作。Kiln AI支持自动提示生成、多种模型集成，注重隐私，确保用户数据安全。Kiln AI的 Python 库开源，方便开发者集成到现有工作流中。

## Kiln AI的主要功能

- **直观的桌面应用程序**：支持 Windows、MacOS 和 Linux 系统，提供一键式安装和使用，设计简洁直观。

- **零代码微调**：支持多种语言模型，如 Llama、GPT4o 和 Mixtral，自动无服务器部署模型。

- **合成数据生成**：提供交互式可视化工具，用于生成训练数据。

- **团队协作**：基于 Git 的版本控制，支持多人协作，适合 QA、PM 和领域专家共同参与数据集构建。

- **自动提示生成**：支持从数据中自动生成提示，包括链式思考、少样本和多样本提示等。

- **广泛支持模型和提供商：**支持基于 Ollama、OpenAI、OpenRouter、Fireworks、Groq、AWS 或任何兼容 OpenAI API 的模型。

## Kiln AI的技术原理

- **基于 Git 的版本控制**：用 Git 作为底层版本控制系统，支持多人协作和数据集的版本管理。数据集文件以 JSON 格式存储，支持并行协作和冲突解决。

- **无服务器部署（Serverless Deployment**）：微调后的模型支持自动部署到云端或本地，无需手动配置服务器。支持多种云平台和本地环境。

- **交互式数据生成工具**：提供交互式界面，帮助用户基于可视化工具生成高质量的合成数据。支持多种数据生成策略，如少样本学习、多样本学习等。

- **Python 库集成**：提供开源的 Python 库，方便开发者将数据集集成到现有工作流中。支持在 Jupyter Notebook 中使用，方便数据科学家进行深度分析。

- **多模型支持**：基于适配器模式支持多种语言模型和平台，提供统一的 API 接口，方便用户切换不同的模型和提供商。

## Kiln AI的项目地址

- **GitHub仓库**：[https://github.com/Kiln-AI/Kiln](https://github.com/Kiln-AI/Kiln?utm_source=ai-bot.cn)

## Kiln AI的快速入门

- **下载和安装**：

**桌面应用**：基于提供的下载链接在MacOS、Windows和Linux上下载并安装免费的桌面应用程序。

- **Python库**：用 pip install kiln-ai 命令安装Python库，将数据集集成到自己的工作流程中，构建微调模型，在Notebook中使用Kiln AI，构建自定义工具等。

- **启动应用**：

安卓完成后启动应用并按照引导创建项目、任务，连接到 AI 提供商（如 Ollama、OpenAI、OpenRouter 等）。

- 用示例任务快速体验，或根据需求定义自定义任务。

## Kiln AI的模型和 AI 提供商

- **Kiln支持的AI模型和提供商**:

**支持的提供商**：Kiln AI与多种云服务提供商和AI模型兼容，例如OpenAI、Groq、OpenRouter、AWS、Fireworks等。用户需要提供自己的API密钥，系统不会访问用户的数据集。

- **兼容的服务器**：用户能连接任何与OpenAI兼容的服务器，例如LiteLLM，用于vLLM等。

- **设置AI提供商**：

**初始设置**：首次运行Kiln时，应用提示用户设置一个或多个AI提供商。至少需要一个提供商才能使用Kiln AI的核心功能。

- **添加或删除提供商**：用户在“设置>AI提供商和模型”中添加新的提供商，或编辑~/.kiln_ai/settings.yaml文件删除已有的提供商。

- **模型的使用和添加**：

**推荐的内置模型**：模型已经过测试，可与Kiln AI的各种功能兼容，使用起来非常简单，不会出现错误。用户只需在设置页面连接任何AI提供商，在运行屏幕上选择模型。

- **自定义模型**：如果用户想使用不在列表中的模型，但模型是Kiln AI支持的AI提供商。用户需要在“设置>AI提供商和模型”中的“添加模型”使用模型，模型将出现在模型下拉菜单的“未测试”部分。

- **自定义OpenAI兼容服务器**：如果用户拥有一个OpenAI兼容的服务器（例如LiteLLM、vLLM等），能在Kiln AI中使用。用户需要在“设置>AI提供商和模型”中添加一个“自定义API”。所有由该API支持的模型将出现在模型下拉菜单的“未测试”部分。

## Kiln AI的合成数据生成

- **工作原理**：

**合成数据方式**

**零样本数据生成**：根据任务定义直接生成数据，无需额外配置。

- **主题树数据生成**：基于生成主题树（包括嵌套主题）快速生成广泛的数据。用户能选择自动主题生成或手动添加主题。

- **结构化数据生成**：如果任务需要结构化输入或输出，生成的数据将遵循用户定义的 JSON 模式。所有生成的值都会进行验证，不符合模式的数据不会被保存。

- **生成选项**：

**模型选择**：支持多种模型（如 OpenAI、Anthropic、Llama、Google、Mistral 等）和多种主机（如 Ollama）。用户根据需求选择合适的模型。

- **提示选项**：在对一些示例进行评分后，解锁更强大的提示选项，如少样本、多样本、思维链提示等，提高生成数据的质量。

- **人工指导**：

生成涵盖全球性话题的内容，不局限于美国本土。

- 生成西班牙语的示例。

- 针对模型难以分类的问题（如讽刺信息）生成特定的数据。

- **迭代**：

打开合成数据集选项卡。

- 选择高质量的模型（包含不够快且高成本的生产模型）。

- 开始生成展示问题的数据，使用人工指导功能和更好的模型确保输出质量。

- 手动删除风格不正确的示例。

- 合成数据工具能生成正确的数据（用模型和指导相结合），将生成规模扩大到数百个样本。

- 保存新的合成数据集。

## Kiln AI的微调指南

- **步骤 1：定义任务和目标**

**任务定义**：在 Kiln UI 中创建一个新任务，包括初始提示、要求以及输入/输出模式。

- **示例任务**：生成新闻标题，给定新闻主题的摘要，生成不同风格的新闻标题。

- **步骤 2：使用合成数据生成训练数据**

**合成数据生成**：提供交互式界面，快速生成高质量的合成数据集。

- **生成过程**：在9分钟内生成920个训练样本，支持多模型和多提示策略。

- **提示技巧**：使用高质量模型和详细提示（如多样本提示、链式思考）提高数据质量。

- **步骤 3：选择要微调的模型**

**支持的模型**：

**OpenAI**：GPT-4o 和 4o-Mini

- **Mistral**：Mixtral 8x7b MoE

- **其他**：Llama 3.2（1b/3b/11b）、Llama 3.1（8b/70b）等

- **步骤 4：启动微调任务**

**微调操作**：在 Kiln UI 的“微调”选项卡中，选择模型、数据集和训练参数。

- **数据集分割**：建议创建测试集和验证集，以便在微调完成后评估模型性能。

- **步骤 5：部署和运行模型**

**自动部署**：微调完成后，系统自动部署模型，无需额外配置。

- **使用方式**：基于 Kiln UI 的“运行”选项卡选择模型并使用。

- **步骤 6（可选）：在自有基础设施上训练**

**导出数据集**：将数据集导出为常见格式，以便在自有基础设施上进行微调。

- **推荐平台**：Unsloth 和 Axolotl，支持多种开源模型。

- **示例**：使用 Unsloth 笔记本加载从 Kiln AI导出的数据集，在本地或 Google Colab 中进行微调。

- **后续步骤**

**评估模型**：使用测试集和验证集评估微调模型的性能。

- **迭代改进**：根据评估结果调整超参数、优化提示、修复错误，并重新微调。

- **数据策略**：用“阶梯式”数据策略，从少量高质量样本逐步扩展到大量合成数据。

- **费用**：Fireworks 和 OpenAI 的微调模型采用“无服务器”部署，按使用量收费，无固定成本。

## Kiln AI训练推理模型指南

- **训练推理模型的关键步骤**：

**确保训练数据包含“推理”**：用推理模型或链式思维提示生成训练数据，确保数据集中包含推理内容。

- **创建包含推理的训练数据集**：在创建数据集时，筛选包含推理/思考的样本。

- **选择正确的训练策略**：选择“最终响应和中间推理”训练策略，包含推理数据。

- **调用微调模型时使用适当的提示**：建议用训练时使用的相同提示，获得最佳效果。

- **推理与链式思维的选择**：

**推理模型**：适用于需要跨领域推理能力的场景，基于微调大型推理模型（如Deepseek R1）创建更小、更快的模型。

- **链式思维**：基于简单的“逐步思考”提示提升输出质量，或自定义思考提示生成针对特定任务的训练集。

## Kiln AI的应用场景

- **智能客服**：智能客服系统生成客服对话数据集，微调语言模型提高回答准确性和相关性。

- **医疗领域**：医疗领域的AI项目中，医生（领域专家）生成医学数据集，数据科学家进行模型微调，QA团队负责验证数据质量。

- **快速原型开发与实验：**在开发文本生成工具时，用少样本提示和多模型支持，快速实验不同模型的生成效果。

- **教育：**教育科技公司构建教育数据集，包括学生问题和答案，用在微调教育AI模型。

- **金融行业**：金融行业进行风险评估模型的微调，所有数据本地处理，确保客户数据不被泄露。

## 常见问题解答 (FAQ)

### Kiln AI适合做什么？
Kiln AI 主要用于大模型微调、合成数据生成和数据集协作开发。它提供桌面应用和 Python 库，适合团队快速构建训练集、测试提示词并微调专属模型。

### Kiln AI支持哪些模型和提供商？
Kiln AI 可连接 OpenAI、Groq、OpenRouter、AWS、Fireworks 等提供商，也兼容任何 OpenAI API 兼容服务器，如 LiteLLM、vLLM。常见模型包括 Llama、GPT4o、Mixtral 等。

### Kiln AI如何进行团队协作？
Kiln AI 以 Git 作为底层版本控制，数据集以 JSON 格式存储，支持多人并行编辑、版本管理和冲突解决，适合 QA、PM 与领域专家共同参与数据集构建。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
