ms-swift 是一款开源项目：魔搭社区的开源大模型训练与部署框架。

单独用一个工具往往只解决一段问题，这篇讲怎么把它和上下游工具串起来。

推荐组合：ms-swift + 纳米 AI 搜索

纳米 AI 搜索的定位是：360 推出的 AI 搜索与智能体产品。两者分工可以是：ms-swift 负责「模型对比测试」这一步，纳米 AI 搜索负责检索资料、核对来源或管理知识库。

工作流步骤

  1. 明确交付物和验收标准，例如：测试问题相同。
  2. 准备输入：两到三个候选开源模型，先去掉敏感信息。
  3. 在 ms-swift 中执行核心步骤（提示词见下文）
  4. 把结果交给纳米 AI 搜索做下一步处理，或从纳米 AI 搜索取得所需材料。
  5. 人工检查关键事实与格式，记录发现的问题。
  6. 把这次用到的提示词和设置保存为模板，下次复用。

模型对比测试

准备材料：两到三个候选开源模型。

用 20 个真实业务问题测试候选模型，记录回答质量、速度和资源占用，选出最适合的模型。

交付前确认：测试问题相同。

交接时最容易出问题的地方

  • 格式不兼容：两边导入导出的格式提前测试一次。
  • 信息丢失：每次交接附上来源和版本号。
  • 责任不清：约定哪一步由谁做最终确认。
  • 权限分散：两边的账号和分享范围分别检查。

如果暂时不想引入第二个工具，也可以先用 Axolotl 等同类产品替代其中一环，跑通流程后再决定。

延伸练习

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。

验收标准：断网可用。

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。

检查点：超时与并发有限制。

本地部署试跑

适用情况：手头有一台有独立显卡或大内存的电脑时。

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。

交付前确认：记录了资源占用。

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。

常见问题：显存不足无法加载

换用更小的模型或更低的量化等级，或启用 CPU 卸载。

常见问题：中文效果不理想

优先选择中文训练数据充足的模型。

概念补充：开放权重

公开模型参数可下载使用，但许可证条款各不相同。

概念补充：量化

降低模型参数精度以减少显存占用，可能影响效果。

适合人群：财务人员

财务人员可以用 SWIFT 处理单据识别录入、报表说明与分析等工作。需要注意：财务数据属于敏感信息，优先使用企业版或本地方案，结果需复核。

适合人群：数据分析师

数据分析师可以用 SWIFT 处理取数与 SQL、清洗与可视化等工作。需要注意：确认指标口径，敏感数据脱敏后再交给 AI 处理。

使用提醒

涉及个人信息、商业机密或受监管数据时，先确认 ms-swift 的数据处理条款，再决定能否使用。

本文基于 ms-swift 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。

延伸阅读