配置AI需要先获取密钥，点击https://api.deard.fun/注册并获取密钥

注册成功后初始赠送5$
在这里插入图片描述
点击API密钥创建密钥
在这里插入图片描述在这里插入图片描述点击使用密钥
在这里插入图片描述
拷贝URL和密钥信息
在这里插入图片描述
回到https://fish.deard.fun/咸鱼助手，配置AI
在这里插入图片描述
配置密钥
在这里插入图片描述

# ide
Logo
AtomGit开源社区

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。

更多推荐

cover

2026产品经理提升自己的能力必学八大技能

avatar AtomGit开源社区

AI Agent安全攻防体系：从Prompt注入到工具劫持的全面防护

模型微调的上限由数据质量决定。再先进的微调算法，如果训练数据存在噪声、偏差或格式问题，最终效果都会大打折扣。"Garbage in, garbage out"这一原则在LLM微调领域尤为突出——因为大模型的强大拟合能力意味着它会忠实地学习数据中的错误模式。本文聚焦于微调数据工程的完整链路：从原始数据采集，到数据清洗、格式化、质量评估，再到训练集的最终构建。这是LLM微调中最被低估、也最值得投入的环

avatar AtomGit开源社区

大模型微调数据工程：从数据采集到高质量训练集构建的完整指南

本文聚焦于微调数据工程的完整链路：从原始数据采集，到数据清洗、格式化、质量评估，再到训练集的最终构建。## 微调数据的来源与类型### 指令跟随数据指令跟随（Instruction Following）是最常见的微调任务。很多"模型问题"其实是"数据问题"的变体。：针对特定任务的微调，高质量精标数据（500-2000条）+ 通用指令数据（5000-20000条）的组合，通常优于单纯使用大量低质量数

avatar AtomGit开源社区