必须微调才可固化行业话术与复杂逻辑，但需先穷尽知识库+工作流方案；微调数据须含真实口语化输入、唯一标准输出及场景标签，并经去重、事实校验、长度优化后上传训练。
☞☞☞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☜☜☜
你需要在Coze平台中让智能体掌握特定行业话术、固定回复格式或复杂业务逻辑，但发现知识库无法满足要求，必须通过微调来固化模型行为。
确认是否真需微调
打开Coze工作空间 → 进入「Bot管理」→ 点击目标Bot右侧「设置」图标 → 查看「知识库」与「插件」配置情况。若已上传全部业务文档、接入所有必要API、仍频繁出现风格不一致、步骤跳步、拒绝执行明确指令等问题，才进入微调流程。
【微调不可逆且成本极高】一旦启动训练，将消耗大量算力配额，且训练完成后的模型无法回滚到上一版本，务必先用知识库+工作流穷尽所有低门槛方案。
准备高质量微调数据集
新建一个CSV文件，命名为fine_tune_data.csv，严格按以下三列顺序排列：input、output、metadata（可选）。
input列填写用户真实提问的原始文本，必须包含典型歧义、口语化表达、错别字和简写，例如“交社保要啥材料？”“深户没工作咋续医保？”“娃儿打疫苗本子丢了咋办？”——不能只写标准问法。
output列填写你期望模型生成的**唯一标准答案**，禁用“可能”“建议”“您可以”等模糊表述，直接给出动作指令或结构化结果，例如“携带身份证原件、户口本首页及本人页、居住证（非深户需提供）到任意街道行政服务大厅窗口办理。”
metadata列仅用于标注场景标签，如“医保续缴”“新生儿入户”“失业登记”，便于后期分析bad case分布，留空亦可，但字段名不可删除。
清洗与校验数据
第一步：用Excel打开CSV → 选中input列 → 数据 → 删除重复项 → 勾选“扩展选定区域” → 确定。避免同一问题多次出现导致过拟合。
第二步：逐行检查output是否含事实性错误。例如“生育津贴申领时限为分娩后180天内”是准确表述，若写成“6个月内”则存在歧义风险，必须修正为具体天数。
第三步：统计input长度分布。若90%以上样本字符数＜20，说明问题过于简短，缺乏上下文，需补充带背景的复合问句，例如“我在南山交了5年社保，现在辞职去广州发展，养老保险怎么转？”
上传并启动训练
进入Coze控制台 → 左侧菜单「模型中心」→「微调管理」→「新建微调任务」→ 拖入已清洗的CSV文件。
选择基础模型：当前Coze支持Doubao-7B与Doubao-72B两种规格。日常政务问答选7B足够，涉及多轮法律条款推理必选72B。
设置训练轮次：默认3轮。若数据集＜500条，强制设为5轮；若＞2000条，可降至2轮。轮次过少欠拟合，过多易过拟合。
点击「开始训练」→ 等待状态变为「已完成」→ 在Bot设置中将「模型选择」从「默认」切换为刚训练完成的微调模型名称。
