全网最全 AI 开源模型实践指南，被我们开源了！

MODELSCOPE · OPEN COOKBOOK 继续开源免费 魔搭紫皮书 把第一个模型，真正跑起来。 八篇实战 · 从选模型到做应用 YOUR MODEL APPLICATION MAP 8 篇实战 ms-cookbook 01 · SELECT 选模型 02 · RUN 跑起来 03 · TUNE 做微调 04 · BUILD 做应用 从你真想做的小东西开始

4 PARTS · CONTENT MAP

PART 01

为什么做这本书

从社区出发，共建教程

PART 02

八篇应用路线

选型运行，微调应用

PART 03

拿场景动手试

语音、图像与真实实验

PART 04

一起开源共建

把经验和踩过的坑留下

大家好啊，我是甲木，

前段时间，大家也知道，我们陆续发过一份「WorkBuddy」和「豆包工作」的实战蓝皮书，分享怎么把 Agent 用进日常工作，还成立了AgentWork社区，让大家在社区里共同探索 Agent 能力在真实业务场景中的落地。

但在社区交流和粉丝交流的过程中，会有很多小伙伴想要让我们写写模型，包括训练，部署，打造自己的 AI 需求等等，极其宠粉、听劝的哥几个，决定响应小伙伴们的需求。

于是这次，我们想再往模型这一层走一走。

想自己选模型、跑模型，甚至做一个自己的 AI 应用，该从哪里开始？

开源模型的名字，大家可能已经认识不少了。新模型发布，看看榜单，收藏一下，感觉自己又学到了。

但真准备动手，问题就来了。

模型去哪里下载？自己的电脑带不带得动？公司攒了一堆资料，怎么才能用起来？

（ps. 这是很多学校里面的学生在去学习 AI，或者说是企业里面在去落地本地模型的时候，经常会遇到的问题，被问过不下几十次了....）

好不容易跑出一个回答，又不确定：这效果，到底算好还是不好？

收藏夹越来越满，第一个模型却迟迟没跑起来。

PART

01

从社区出发，共建紫皮书

COMMUNITY · OPEN SOURCE

魔搭本身就是一个开源社区，模型、数据集、云端 Notebook 都在这里，也有不少开发者分享自己跑模型、做应用的经验。

我们想，和这样的社区一起做，大家就能一边照着教程尝试，一边把新的案例和踩过的坑补进来。

把这个想法跟魔搭小伙伴银超一聊，双方一拍即合，于是就有了这次共建计划：

《魔搭紫皮书》，把从选模型到做应用的过程，整理给大家，并且同步开源。

开源地址：github.com/modelscope/ms-cookbook（欢迎 Star⭐️）

在线阅读：modelscope.cn/active/ms-cookbook

PART

02

八篇内容，画出应用路线

THE MODEL APPLICATION MAP

魔搭上有模型、数据集，也有云端 Notebook。我们就从这里出发，一步步往下做。

八月初立项，中间也历经几次开会、改稿，方案大纲重建，

聪哥在模型领域的积累是很深的，所以这次也是由「刘聪NLP」来统筹这次紫皮书的分工和撰写工作：

模型怎么下载，环境怎么装，数据怎么整理，代码在哪运行，出来的结果怎么看，都尽量写清楚。

希望你打开一篇，就能找到下一步该做什么。

目前，紫皮书按八篇组织：

01

认识开源模型：模型、数据去哪里找，许可证怎么看，云端资源怎么用。

02

找到适合场景的模型：把业务需求拆成具体任务，用 EvalScope 做评测和选型。

03

让模型跑起来：从第一个结果开始，尝试 Ollama 本地运行和 Notebook 云端运行。

04

把模型调好：整理训练数据，用 ms-swift 做微调，再检查效果有没有变化。

05

业务场景实战：AI 健身教练、客服质检、语音助手、企业知识问答。

06

AIGC 特别篇：图像 LoRA 训练、商品营销图制作，以及社区创作案例。

07

Agent 特别篇：MCP、Skill 和 Claude Code，把模型接到具体任务里。

08

补充内容：大模型基础知识，遇到不懂的概念可以回来查。

还根据每个人的能力水平不同，分着四条阅读路径，随意开启支线任务~

PART

03

拿一个真实场景，动手试试

FROM MODELS TO APPLICATIONS

光看目录可能还是有点抽象，举几个书里的例子。

CASE 01

客服质检与语音助手

拿一段客服录音，先分清谁在说话，再转成文字，结合通话内容和语气，按规则生成质检报告。

或者，把语音识别、语言模型和语音合成接起来。你对着麦克风问，它把答案说出来。

CASE 02

商品营销图与图像 LoRA

做内容的朋友，可以从商品营销图开始：先生成一张饮料海报，再加品牌元素、修改局部、调整成不同尺寸。

还有个挺有意思的小实验：用同一只柯基的照片训练图像 LoRA，再让它戴上墨镜，站到雪地里。

换了场景，还认不认得出是那只狗？跑出来看一眼，比光读概念直观多了。

当然，也有没达到预期的结果。

比如书里的一次训练，输出格式更规整了，数学题的正确率却没有提高。这个结果也留了下来。

做实验就是这样。跑完一段代码，还得看看它究竟改进了什么。

不少实操章节附了实验代码和资料入口，方便大家接着试。后面的微调和应用搭建会用到 Python、命令行，也需要花点时间。

不用先把整本啃完。挑一个你真想做的小东西，从那一篇开始就行。

PART

04

开源共建，继续补充

BUILD IN THE OPEN

这份紫皮书也会继续补充。有遗漏、有错误，欢迎随时拍砖。

如果你也跑通过一个应用，解决过一个报错，或者发现某个模型在自己的业务里特别好用，欢迎把过程分享出来，一起共创。

你多写清楚的那一步，可能刚好能帮另一个人把模型跑起来。

欢迎加入「魔搭紫皮书开源共建」，魔搭官方跟我们也会邀请越来越多的行业专家入驻社区，参与共建，期待你的作品！

共创小伙伴：

以上。

我是甲木，热衷于分享一些 AI 干货内容，同时也会分享 AI 在各行业的落地应用。

如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下期再见

/// END · BUILD IN THE OPEN