> ## Content Index > Fetch the complete content index at: https://www.hubwiz.com/blog/llms.txt > Use this file to discover other available public pages before exploring further. # 用 AI 智能体给自己造模型：两天、103 美元、6 个小模型 - URL: https://www.hubwiz.com/blog/build-your-own-models-with-ai-agent/ - Published: 2026-10-13T22:25:51.000Z - Updated: 2026-10-14T17:16:53.000Z - Description: 想要的小模型不存在，就自己造一个。用 Hugging Face 的 ML Intern 智能体，作者在两天里造了 6 个模型：柑橘病害 VLM、角色 LoRA、相机角度 LoRA、0.8B 口袋改写器、4 步出图模型……总算力约 103 美元。附提示写法与成本表。 - Author: admin - Tags: 本地 LLM, 模型蒸馏, LoRA, AI Agent, Hugging Face, #Import 2026-10-14 14:41 **一句话结论**：当你要的模型"不存在"时，可以让 **AI 智能体替你去训练它**——描述清楚需求、给个预算，它自己跑数据、训练、评估、发布。作者用 Hugging Face 的 **ML Intern**，两天造了 6 个模型，**总花费约 103 美元**。 本文完整编译自 Hugging Face 博客《The model that didn't exist, so you made it yourself》（2026-10-08）。 --- ## 起点：想要一个小模型，官方只有大的 作者想要一个**小体积的"提示改写器"**——Qwen-Image 2.1 自带的那个版本是 **9B**，需要约 **20GB 显存**，还要"想"上千个 token 才写出一段提示词。Hub 上只有同一个 9B 的压缩版。 于是他把需求描述给 [ML Intern](https://huggingface.co/chat/?mode=ml-intern&ref=hubwiz.com)，**第二天就得到了一个 0.8B 的版本**： - 能在 **CPU** 上跑； - **99.7%** 的输出是有效的； - 只用了教师模型约 **1/4** 的 token； - 整个项目（含让 9B 给 8,797 条请求打标签）算力约 **16 美元**。 接下来几天他又用同样方式造了 5 个模型。**每一个都始于 HuggingChat 里一条开启 ML-intern 模式的消息，终于 Hub 上一个公开模型 + 模型卡里的评测。** ML Intern 会：**规划工作 → 花钱前先要预算 → 正式跑之前先做小测试 → 训练、评估、并在 Hugging Face 的算力上发布。** ## 怎么给 ML Intern 写提示 **第一条消息是投入精力的地方。** 作者的第一个提示（citrus 模型）约 **450 词**；到第 6 个项目时接近 **2000 词**——因为每个项目都教会他"下一个想要什么"。7 个提示都放在 GitHub：[yvrjsharma/ml-intern-prompts](https://github.com/yvrjsharma/ml-intern-prompts?ref=hubwiz.com)。 一个提示的结构： 1. **一行想法 + 为什么想要它。** 2. **点名具体要素**：数据集、基座模型、训练脚本。 3. **已验证事实**：把已经查过的东西放进一个明确写着 **"Verified facts, do not re-derive"（已验证，不要重新推导）** 的段落——这样智能体把预算花在干活上，而不是重复你已经知道的。 4. **两条关键指令**： - **开始前先要 baseline**：例如 citrus 提示里写"训练前也报告基座模型在同一指标上的零样本分数，好看出增益"。没有它，你只会拿到一个训练好的模型，却不知道它是否比原来的更好。 - **带检查的冒烟测试（smoke test）**：做图像 LoRA 时，他先要 50 步训练，**并检查保存的权重确实变了**，再去付钱跑全量。 5. **结尾列交付物 + 限成本**：定义模型卡里该有什么，并写"总花费上限 12 美元，超过前先问我"。 > 因为 ML-intern **每个任务都从 0 预算开始、执行付费任务前需要许可**，所以这个上限会被严格执行。如果你不写预算，它会根据项目规模给几条路径让你选。 也不是第一次就要写全。作者的 citrus 简报里**没有**"已验证事实"段，ML Intern 依然产出了一个把 Qwen3.5-2B 准确率**提升 3 倍多**的模型。 下面是他两天里做的 6 件事。 ## 1\. 一个"懂你领域"的模型（柑橘病害） 通用视觉模型能描述"发黄的柑橘叶"，但很难判断是**螨虫**还是**缺镁**，更别说给出生物/非生物的防治方案。 作者用 Claude 把三个来源的数据集合并成训练集（来自 Hub 上的 Project-AgML 组织）：`citrus-disease-vlm-instruct` 含 **3,017 张标注图**，覆盖 **21 种**害虫、病害、营养缺乏与处理方式。ML-intern 负责微调 **Qwen3.5-2B**，并在训练前先做了基座评测。 **结果**：335 张测试图上，基座模型答对率 **14.9%**；在一个 A10G 上训 2 个 epoch 后，微调模型到 **52.8%**。算力约 **1.90 美元**。 ## 2\. 一个会画"你角色"的模型（Huggy LoRA） 图像模型认识很多角色，但 Hugging Face 品牌风格的 **Huggy** 不在其中。 作者让 ML-Intern 在 **FLUX.2 klein base 4B** 上做 LoRA，训练数据是 84 张带标注的 Huggy 画作。 智能体**每 100 步存一次 checkpoint**，并用同一组提示词各画一遍，方便挑选： - 第 **200 步**：Huggy 第一次"完全贴合"角色； - 从第 **500 步**起：Huggy 的风格开始**渗进**与 Huggy 无关的提示词里（过度训练）。 该 LoRA 也能用在 4 步的 distilled klein 模型上。算力约 **7.60 美元**。 ## 3\. 一个会"新把戏"的模型 ### 3.1 相机角度 LoRA（Viewpoint Orbit） 相机角度 LoRA 是 Qwen-Image 早期模型最受欢迎的社区插件之一：给一张物体照片，要求"从左侧 45 度看它"。作者在 Qwen-Image 2.1 发布几天后去看，发现**还没人做**，就让 ML-intern 来造。 - 从 Google Scanned Objects 渲染 **1,030 个**家居物体，每个 **24 个角度**，共 **24,722 张**透明图（CPU 任务，几美分）； - 最终 **461 个**物体用于训练、**40 个**留出测试，**1,844 组**训练前后配对，均匀覆盖 **23 种**相机指令； - 训练在一个 A100 上跑 **2,000 步**、约 **90 分钟**（\~3.75 美元）。 整个项目约半天、**48 个任务**（含因缺包/路径错而失败、被 ML-Intern 重投的）。**总算力约 16 美元。** ![相机角度 LoRA：给一个物体，指定从哪个角度看它](https://www.hubwiz.com/blog/content/images/2026/10/img_43e2e82dd7d1ce0db049a666cf71f2ec.png) ### 3.2 Doodle-in LoRA（涂鸦变物体） 另一个点子：上传一张照片，上面画个**品红色涂鸦**，再给一句命名物体的提示。LoRA 把涂鸦**替换成该物体**，同时保持原光照与构图一致。 因为**没有现成数据集**，提示里就描述"怎么造数据集"：从 Open Images 取真实照片 → 用 LaMa inpainting 模型抠掉一个物体 → 在原位置画涂鸦；**未改动的照片作为目标**。 ML-intern 先在 CPU 沙箱里写并测试配对脚本，再到 GPU 上跑，**沿途记录每张源图的作者与许可**。它造了 **6,042 组**训练配对和 160 组测试（其中 40 组来自**完全未参与训练**的 23 个类别）。 训练前，它**先单独评测基座模型，再评测带 Viggle turbo LoRA 的版本**，并确认"批量编辑能得到相同图像"，从而让评估更省。训练 2,000 步、1 小时 38 分（\~4 美元），在 48 组测试上比较各 checkpoint 后选了**第 500 步**。 配上 Viggle turbo LoRA、6 步出图时，效果很好：**67.5%** 的物体出现在被画的位置，每次编辑 **4.7 秒**；**未见过类别**的成功率（65.0%）与其它（64.2%）相当。项目一天多、**59 个任务**，**总算力约 24 美元**。 ## 4\. 一个"塞进你设备"的模型 ### 4.1 Pocket Rewriter（口袋改写器） 就是开头那个：ML-intern 先用一个小 instruct 模型通过 Inference Providers 生成 **8,797 条**短图像请求（混合了照片、海报、logo、信息图等，约 1/3 要求精确文本，很多是非英文）；9B 教师模型在一个 A100 上 **2 小时 37 分**把它们全部改写（\~6.50 美元）。过滤质量后，**1,840 条**进入训练集。 训练 0.8B 与 2B 学生模型分别只要 **12 和 18 分钟**（一个 A10G，两者共 0.75 美元）。0.8B 还附带一个 **812MB 的 GGUF** 文件，可直接在 CPU 上跑。项目约 11 小时、24 个任务，**总算力约 16 美元**。 ![Qwen-Image 2.1 Pocket Studio](https://www.hubwiz.com/blog/content/images/2026/10/img_725fd1b9c2350e796a8cbea2b63b42a0-1.png) ### 4.2 Agate Preview 002 的 4 步版 Logolabs 的 Agate Preview 002 是一个 **260M** 参数的文生图模型，小到能进浏览器，但**需要 50 步 + guidance**，即每张图 **100 次**网络前向。作者让 ML-intern 把它**蒸馏到只要 4 步**！ 分两轮： - **第一轮**：缓存 **155,000 张**训练图为 latent，把 guidance 烘焙进模型，再把步数从 16 → 8 → 4 分阶段压缩（全程 A100）。4 步学生在 GenEval 和 FID 上**超过了同样 4 步的教师**。之后导出 ONNX 给浏览器用。约 13 小时、**22 美元**。 - **第二轮**：再让教师用 16 步生成 **24,000 组**图像对，对 4 步学生再微调约 1 小时。GenEval 从 **0.509 → 0.536**（教师 50 步为 0.563），而只用 4 步（**1/4 算力**）。约 8 小时。 两轮**总算力约 37 美元**。 ## 真实账单 | 模型 | 基座 | 算力 | | -------------------------- | -------------------- | ------------ | | Citrus Doctor | Qwen3.5-2B | USD 1.90 | | Huggy LoRA | FLUX.2 klein base 4B | USD 7.60 | | Pocket rewriter（0.8B 与 2B） | Qwen3.5-0.8B / 2B | USD 16.05 | | Viewpoint Orbit LoRA | Qwen-Image 2.1 | USD 16 | | Doodle-in LoRA | Qwen-Image 2.1 | USD 24.30 | | Agate 4-step（两轮） | Agate Preview 002 | USD 37 | | **合计** | | **约 103 美元** | （上表是各会话报告的 GPU/CPU 任务费用。） ## 你也可以这么做 ML-intern 就在 [HuggingChat](https://huggingface.co/chat/?ref=hubwiz.com) 里。**打开 ML-intern 模式，粘贴提示即可。** 想找起点，作者的[示例提示](https://github.com/yvrjsharma/ml-intern-prompts?ref=hubwiz.com)可自由复制。 建议： - 从"**你希望存在的模型**"和"**你手上有（或能描述）的数据集**"出发； - 给一个**小预算**； - 要求**baseline**和**冒烟测试**； - **先读它返回的结果，再决定要不要提高预算上限**。 --- ## 参考来源 - Hugging Face Blog：[The model that didn't exist, so you made it yourself](https://huggingface.co/blog/building-with-ml-intern?ref=hubwiz.com)（2026-10-08） ## 延伸阅读（本站） - [本地 & 自托管 LLM 完全指南](https://www.hubwiz.com/blog/local-llm-stack/) - [Agent / MCP 完全指南](https://www.hubwiz.com/blog/agent-stack/) *本文由汇智网编译整理，转载请注明出处。*