要让Nova AI精准理解业务逻辑，需获取私有微调API密钥、准备CSV或JSONL格式的高质量数据集（含input/output/context三列）、执行LoRA轻量微调（指定q_proj/v_proj层、3轮训练），最后在推理时通过[MEM:xxx]锚点和[CTX]上下文触发业务模式。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
想让Nova AI真正听懂你的业务逻辑，而不是停留在通用问答层面？必须绕过官方界面限制，直接调用底层微调接口并构造高精度Prompt链——这需要你手动注入训练样本、冻结特定层参数，并在推理时强制启用思维链缓存。
获取Nova AI私有微调API密钥
登录Nova控制台 → 点击右上角头像 → 进入「开发者设置」→ 打开「高级API权限」开关 → 输入企业邮箱完成二次验证 → 复制生成的fine-tune-key-xxxx密钥。
【该密钥仅显示一次，关闭页面后不可恢复】
准备高质量微调数据集
方法一：用CSV格式组织三列数据——input（原始用户提问）、output（你期望模型输出的精准回答）、context（补充的业务规则文本，如“客户等级S级可享免运费”）。
方法二：JSONL格式更稳妥，每行一个对象，确保output字段末尾带\n换行符，否则微调时会截断最后一句。
注意：单条input长度不能超过512字符，超长需先做语义切分，否则微调任务直接失败。
大模型 Token 成本节约工具。在请求到达大模型之前自动压缩 prompt 和上下文，减少 60-95% 的 token 消耗，直接降低 API 成本。支持 Claude/OpenAI/Gemini 等主流模型，提供代理模式、CLI 包装、Python SDK 和 MCP Server 四种接入方式。内置一键安...
执行LoRA轻量微调
第一步：用curl提交微调请求，指定基础模型为nova-pro-3.5，学习率设为2e-4，训练轮数固定为3轮——少于3轮无法收敛，多于3轮容易过拟合内部术语。
第二步：在请求体中传入lora_target_modules=["q_proj","v_proj"]，只微调注意力层的查询和值投影矩阵，避免全参数更新导致显存爆炸。
第三步：等待返回job_id后，轮询/v1/fine_tunes/{job_id}直到状态变为succeeded，此时会生成新模型ID：ft-nova-abc123。
构建带记忆锚点的Prompt链
在调用ft-nova-abc123时，必须在system prompt开头插入[MEM:order_flow_v2]——这是模型识别业务上下文的记忆锚点，不加则默认回退到通用模式。
用户query前追加[CTX]客户ID:U789021[CTX]，模型会自动将该ID关联到微调时见过的VIP规则库。
这一步操作起来很简单，直接把[MEM:xxx]写进第一行就行，但漏掉就等于没微调。
