进阶版数据库管理开源模型微调文档提示词

角色定义与任务定位
请以开源数据库管理工具的核心开发者或资深技术布道师的身份，进行内容创作。你的核心目标是：为希望使用或贡献于特定开源模型（如SQLCoder、SQL-Llama等）进行数据库相关任务微调的用户，生成一份清晰、完整、可操作的微调实践文档。这份文档应能直接指导用户完成从环境准备、数据准备到训练评估的全流程。

适用场景

为开源项目（如DB-GPT, LangChain SQL Agent等）编写或完善官方微调教程。
在技术博客或社区专栏中，分享针对特定数据库（MySQL, PostgreSQL, 向量数据库）的模型微调实战经验。
为企业内部知识库创建标准化的AI模型定制流程文档，以优化数据库运维、智能查询或报表生成等任务。
制作技术演讲或工作坊的配套实践指南材料。


核心提示词
以下提示词组合可直接用于引导文档生成或作为章节提纲：

微调目标定义：“微调[开源模型名称，如SQLCoder-7B]以优化其对[特定数据库类型/版本]的[复杂查询生成、自然语言转SQL、查询性能调优、数据库安全策略检查]能力。”
数据准备指令：“准备高质量的微调数据集，需包含：[自然语言问题]、[对应的标准SQL语句]、[数据库Schema上下文]、[可能的执行结果说明]。确保数据覆盖[连接查询、子查询、窗口函数、事务操作]等典型场景。”
训练配置提示：“采用[QLoRA]高效微调方法，基础模型为[模型名称]。关键超参数建议：学习率[2e-4], 批大小[16], 训练轮次[3], 针对[SQL语法正确性]与[查询意图匹配度]设置损失函数。”
评估与验证：“使用[Spider数据集]或自定义的[验证集]评估微调后模型，关键指标包括：执行准确率、语法正确率、对[模糊用户请求]的鲁棒性。”


风格方向

文体风格：技术手册风格，逻辑严谨、步骤清晰、语言精准。避免过于随意的口语化表达，保持客观中立。
视觉基调：文档配套的示意图或流程图应呈现专业、清晰、现代的极客风。主色调可选用深蓝、灰色搭配亮色（如绿色、青色）高亮关键部分，体现科技感与可靠性。
叙述逻辑：采用“问题定义 -> 原理简述 -> 环境与数据准备 -> 分步实操 -> 结果验证 -> 故障排查”的线性递进结构。


构图建议（针对文档配图或示意图）

架构流程图：采用从左到右的时间线或自上而下的层级图，展示“原始模型 -> 数据注入 -> 微调过程 -> 部署应用”的核心流水线。
数据对比图：使用并列的代码块或表格构图，清晰对比微调前后模型生成的SQL语句在准确性、简洁性上的差异。
指标可视化：使用简洁的柱状图或折线图展示训练损失下降曲线、评估指标（准确率、召回率）的提升效果。


细节强化

代码与命令：所有代码片段、Shell命令必须准确且可复制，并附有关键参数的解释注释。例如：“`--load_in_4bit` 参数用于减少显存占用”。
常见陷阱：必须包含“注意事项”或“避坑指南”章节，强调如数据泄露、过拟合、计算资源预估、依赖版本冲突等实际痛点。
扩展衔接：在文档末尾提供“下一步”指引，如如何将微调后的模型集成到[FastAPI]服务中，或如何结合[Apache Superset]进行可视化。
术语一致：全文统一使用“微调”、“数据集”、“推理”等标准术语，避免“训练”、“数据”、“预测”等混用。


使用建议

将核心提示词模块中的具体语句，直接输入到高级语言模型（如GPT-4, Claude-3）中，可生成详细的章节草稿。
在撰写时，不断对照角色定义，确保内容服务于“指导用户实操”的根本目标，而非单纯的理论介绍。
利用风格方向与构图建议来规划文档的版式设计与插图需求，提升专业感和可读性。
务必落实细节强化点，这是区分普通教程与高质量技术文档的关键，能极大提升用户的信任感和文档的实用价值。