Unsloth 数据配方

了解如何使用 Unsloth Studio 的数据配方创建、构建和编辑数据集。

Unsloth Studio 的数据配方允许您上传诸如 PDF 或 CSV 等文档，并将其转换为可用的/合成的数据集。通过图节点工作流以可视化方式创建和编辑数据集。本指南将在您深入使用 Unsloth 数据配方之前，帮助您掌握基础知识。

数据配方如何工作

数据配方遵循相同的基本流程。您打开配方页面，创建或选择一个配方，在编辑器中构建工作流，验证并运行预览，然后在输出看起来正确时运行完整数据集。添加种子数据和生成块，验证工作流，预览示例输出，然后运行完整数据集构建。Unsloth 数据配方由以下技术驱动： NVIDIA Nemo 数据设计器.

生成数据集并微调模型的示例

概览：通常的工作流应如下所示：

1. 打开配方页面。

2. 创建新的配方或打开现有配方。

3. 添加块以定义您的数据集工作流。

4. 点击 验证 以尽早发现配置问题。

5. 运行预览以快速检查示例行。

6. 当配方准备好时运行完整数据集构建。

7. 在图形中或在以下位置实时查看进度和输出： 执行 视图以获取更多详细信息。

8. 在以下位置选择生成的数据集： Studio 并微调模型。

开始使用

配方页面是主要入口点。配方保存在浏览器本地，因此您可以稍后返回已保存的工作。从这里，您可以创建空白配方或打开引导学习配方。

配方可以导出和导入，因此与其他 Unsloth 用户共享工作流很容易 🎉。如果您正在尝试构建特定的数据集模式，请在 Unsloth Discord 中询问。可能有人已经有可以分享的配方。

配方首页

如果您对工作流概念不熟悉，学习配方是最快了解种子数据、提示、表达式和验证器如何在一个工作示例中配合使用的方式。如果您已经知道想要的数据集结构，通常从空白开始会更快。

选择起始路径

如果您想要：	从以下开始：
快速构建自定义工作流	从空白开始
通过示例学习产品	从学习配方开始
继续之前的工作	打开已保存的配方

您在编辑器中构建的内容

编辑器是配方成型的地方。您从块表添加块，在对话框中配置它们，在画布上连接它们，然后验证或运行工作流。

构建产品描述工作流的示例

编辑器有几个核心部分：

• 配方头部，在这里您可以重命名配方并在以下之间切换： 编辑器 和 执行

• 画布，在此显示配方图

• 块表，在此添加新块

• 配置对话框，在此定义提示、引用、模型别名、验证器和种子设置。

• 悬浮的 运行 和 验证 控件

• 需要在此处添加更多内容

配方中最常见的块是：

• 种子 用于来自 Hugging Face、本地结构化文件的输入数据（或被切分成行的非结构化文档）。

• 大模型 + 模型 用于提供者、模型配置、LLM 生成块和共享工具配置文件。

• 表达式 用于基于 Jinja2 的转换，这些转换不需要调用 LLM。

• 验证器 用于通过内置的 Python、SQL 和 Javascript/Typescript 代码检查器过滤错误生成的代码。

• 采样器 用于确定性列，例如类别和子类别。

引用如何工作

大多数产生数据的块（有一些例外）会成为后续块的引用。这是数据配方的主要理念之一。您只需创建一次值，然后在提示、表达式、结构化输出和验证步骤中重用它。

Jinja 表达式帮助您处理配方中已经存在的值。您可以引用嵌套字段，如 {{customer.first_name}} ，将值连接，如 {{customer.first_name}} {{customer.last_name}} 并使用如下模式添加条件逻辑： {% if condition %}...{% endif %}

编辑器中显示引用的示例

例如：

• 名为 domain 的类别块可以被引用为 {{ domain }}

• 种子列可以直接用于 LLM 提示，种子数据中的列（例如 HF 数据集列、CSV）

• 结构化的 LLM 输出可以为后续提示暴露字段

• 表达式块可以在不再次调用模型的情况下组合先前的值

接下来会发生什么？

预览运行用于快速迭代。它们在编辑器中返回示例行和分析，以便您在提交完整运行之前检查生成的数据。

完整运行会创建持久化的本地数据集工件。该输出随后会出现在 Studio 的本地数据集选择器中，您可以再次检查并将其用于微调。可选地，您可以将数据集发布到您的 Hugging Face 仓库。

核心构建块

核心构建块

模型和 LLM 块

模型设置分为两个可用层：

• 模型提供者 定义端点和认证

• 模型配置 定义模型名称和推理设置

此设置适用于托管提供者、自托管端点、 vLLM , llama.cpp 或您在 Studio 外运行的任何与 OpenAI 兼容的 API。

配方不限于单一模型。您可以添加多个 模型提供者 和 模型配置 块，然后在不同步骤中使用不同模型，例如一个用于编码，另一个用于通用文本任务。

在模型设置之后，您可以使用四种 LLM 块类型：

块	输出	最适合
LLM 文本	自由格式文本	指令、解释、对话和描述
LLM 结构化	JSON	需要固定字段和可预测结构的输出
LLM 代码	代码	Python、SQL、Typescript 及其他代码生成任务
LLM 评判器	评分评估	使用一个或多个用户定义的分数对输出进行评分

工具配置文件

工具配置文件块为一个或多个 LLM 块定义基于 MCP 的共享工具访问。当生成步骤需要工具时使用它们，例如通过工具查找代码文档时， Context7.

左侧图片显示在工具配置文件块对话框中已添加并配置的 Context7 MCP：

验证器

验证器块主要针对 LLM 代码块，通过将生成的代码输出运行通过代码检查器和语法验证来过滤，这有助于将错误或无效的代码行排除在最终数据集之外。内置选项涵盖 Python、SQL 和 JavaScript/TypeScript 的验证。

验证、预览和运行

一旦配方工作流到位，下一步就是执行。推荐的模式是：先验证，进行预览以获得快速反馈并在执行视图中检查生成的数据，然后当您觉得输出符合计划时运行完整数据集。

按以下顺序使用执行控件：

1

验证

点击 验证 以发现配置问题。

2

预览

运行预览以检查示例行和分析

3

改进

改进提示、引用、种子设置或验证器。

反复迭代，直到您对生成的数据感到满意

4

运行完整数据集构建