SGLang 相关术语解释（新手向）
高性能的大模型推理与服务框架——这是 SGLang 最主要的用途，也是本文讨论的前提。
看文档和设置项时遇到的术语，这里用一两句话解释清楚。
术语表
- 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。
- 量化：降低模型参数精度以减少显存占用，可能影响效果。
- GGUF：llama.cpp 生态常用的模型文件格式。
- 推理框架：负责加载模型并高效生成结果的软件。
- LoRA 微调：只训练少量附加参数的低成本微调方法。
- 许可证：规定能否商用、是否需署名等条件，部署前必须阅读。
和 SGLang 相关的补充
- 开源项目：SGLang 的产品形态，决定了安装、权限和数据存放方式。
- 同类产品：vLLM、TensorRT-LLM、LMDeploy。
- 所属方向：本地与开源。
把概念用起来
私有知识问答
准备材料：一批不能上传云端的内部文档。
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。
延伸练习
团队共享服务
准备材料：一台团队共用的服务器。
把服务部署为团队共享：设置访问认证、按用户记录调用日志、限制单用户并发，并写一份使用说明。
验收标准：开启了访问认证。
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。
交付前确认：有前后对比。
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。
验收标准：记录了资源占用。
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。
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：许可证
规定能否商用、是否需署名等条件，部署前必须阅读。
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：法务与律师助理
法务与律师助理可以用 SGLang 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：研究生
研究生可以用 SGLang 处理文献阅读、开题与论文写作等工作。需要注意：遵守学校学术诚信规定，AI 只用于辅助理解和润色。
适合人群：财务人员
财务人员可以用 SGLang 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。
写在最后
所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。
本文基于 SGLang 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。