一周练会 MLC LLM 的日程表
MLC LLM 是一款开源项目：把大模型编译部署到手机、浏览器等设备的开源项目。
如果你刚开始接触它，可以按下面 7 天的安排练习，每天 20 到 40 分钟。
每日安排
- 第 1 天：注册与熟悉界面：阅读仓库 README 与许可证；按官方推荐方式安装（容器或包管理器）
- 第 2 天：完成第一个任务「接入现有应用」，按下文提示词操作。
- 第 3 天：换一类任务「模型对比测试」，对比两次结果的质量。
- 第 4 天：学习关键概念：开放权重、量化、GGUF。
- 第 5 天：用真实工作材料做一次「团队共享服务」，记录省下的时间和需要返工的地方。
- 第 6 天：排查问题：对照常见问题「显存不足无法加载」等检查自己的用法。
- 第 7 天：复盘：保留有效的提示词，写下继续使用或放弃的理由。
第 2 天的练习材料
接入现有应用
输入：一个已有的业务系统。
通过兼容 OpenAI 格式的接口把本地服务接入现有系统，设置超时和并发上限，先在测试环境跑通。
交付前确认：超时与并发有限制。
一周后怎么判断值不值得继续
- 是否稳定地节省了时间，而不只是第一次觉得新鲜。
- 返工次数是否在下降。
- 与 llama.cpp 等同类相比，是否更适合你的场景。
- 数据与费用是否在可接受范围内。
补充练习
私有知识问答
适用情况：手头有一批不能上传云端的内部文档时。
在本地搭建问答：本地模型负责回答，文档向量化存储在本机，回答时注明出处段落，断网情况下验证仍可使用。
检查点：断网可用。
本地部署试跑
准备材料：一台有独立显卡或大内存的电脑。
按官方文档在本机部署，选择一个适合显存的模型尺寸，运行一个简单的对话或推理测试，记录显存占用和生成速度。
验收标准：记录了资源占用。
小规模微调
准备材料：几百条高质量问答数据。
用这批数据做一次 LoRA 微调：划分训练集和验证集，记录训练参数，微调前后用同一批问题对比效果。
检查点：有前后对比。
常见问题：升级后不兼容
固定版本号，升级前在测试环境验证。
常见问题：生成速度很慢
检查是否使用了 GPU 加速，减少上下文长度。
常见问题：服务对外暴露有风险
只监听内网地址，加认证和反向代理。
概念补充：推理框架
负责加载模型并高效生成结果的软件。
概念补充：LoRA 微调
只训练少量附加参数的低成本微调方法。
适合人群：咨询顾问
咨询顾问可以用 MLC LLM 处理行业研究、访谈整理等工作。需要注意：客户机密遵守保密协议，研究结论注明来源。
适合人群：法务与律师助理
法务与律师助理可以用 MLC LLM 处理合同初审、法规检索等工作。需要注意：AI 输出不构成法律意见，条款和法规必须由执业人员核实。
适合人群：科研人员
科研人员可以用 MLC LLM 处理文献检索与阅读、实验记录与数据整理等工作。需要注意：遵守期刊和机构关于 AI 使用的披露要求，引用逐条核对。
写在最后
文中提示词和示例仅作示意，实际效果取决于你的材料和 MLC LLM 当前版本，重要内容请人工核对后再使用。
涉及个人信息、商业机密或受监管数据时，先确认 MLC LLM 的数据处理条款，再决定能否使用。