准备 SFT 微调数据时，核心并不复杂：

给模型一条任务，再准备一个希望它学会的标准答案。

例如，想让模型学会把一句生硬的话改得更礼貌，就可以准备这样的训练数据：

用户输入：你这个文件写错了，重新改一下。标准回答：这份文件里有几处内容可能需要调整，麻烦你检查并修改一下。

模型看过大量类似的“输入和标准回答”后，就会逐渐学会按照要求完成任务。

不过，不同模型和训练框架要求的数据写法并不相同：有的使用问答格式，有的拆分任务和答案，有的则采用对话格式。

这些写法看起来不同，但本质上都在表达同一件事：

用户给了什么内容，模型应该返回什么结果。

下面就用简单的例子，看看 SFT 最常见的数据格式分别是什么，以及它们适合哪些场景。

1. 问答格式

问答格式最简单，适合知识问答。

{ "question": "什么是 RDB？", "answer": "RDB 是 Redis 的快照持久化方式。"}

有些数据集也会写成：

{ "query": "什么是 RDB？", "response": "RDB 是 Redis 的快照持久化方式。"}

虽然字段名称不同，但表达的意思相同：

• •question或query：用户提出的问题；
• •answer或response：希望模型学会的答案。

这种格式适合：

• • 知识问答；
• • 客服问答；
• • 企业内部问答；
• • 专业领域助手。

2. Instruction 格式

Instruction 格式也叫 Alpaca 格式。

它不只适合问答，还可以用来训练模型完成总结、翻译、分类和改写等任务。

{ "instruction": "解释 RDB 和 AOF 的区别", "input": "", "output": "RDB 通过快照保存数据，AOF 通过记录写命令保存数据。"}

如果任务中还有需要处理的内容，可以放在input中：

{ "instruction": "总结下面的内容", "input": "Redis 支持 RDB 和 AOF 两种持久化方式。", "output": "Redis 提供两种主要的数据持久化方案。"}

三个字段分别表示：

• •instruction：要求模型做什么；
• •input：需要处理的内容；
• •output：希望模型生成的标准答案。

可以把它理解为：

instruction：任务要求input：任务材料output：标准结果

3. Messages 对话格式

Messages 是聊天模型微调中常见的数据格式。

它会按照真实聊天的方式，记录不同角色说了什么，既可以表示单轮对话，也可以表示多轮对话。

单轮对话

{ "messages": [ { "role": "system", "content": "你是一名 Redis 技术助手。" }, { "role": "user", "content": "什么是 RDB？" }, { "role": "assistant", "content": "RDB 是 Redis 的快照持久化方式。" } ]}

其中常见的角色有：

• •system：规定模型身份和回答要求；
• •user：用户输入；
• •assistant：希望模型学会的回答。

例如：

{ "role": "system", "content": "你是一名 Redis 技术助手，回答要通俗易懂。"}

这句话是在告诉模型，应该以什么身份、什么方式回答用户。

多轮对话

如果一条数据中包含多次连续交流，就是多轮对话：

{ "messages": [ { "role": "user", "content": "什么是 RDB？" }, { "role": "assistant", "content": "RDB 是 Redis 的快照持久化方式。" }, { "role": "user", "content": "它有什么缺点？" }, { "role": "assistant", "content": "Redis 突然故障时，最近一次快照之后的数据可能会丢失。" } ]}

第二个问题中的“它”，指的是上一轮提到的 RDB。模型需要结合前面的内容，才能正确理解并回答。

Messages 格式适合聊天助手、连续问答、客服沟通、故障排查和上下文追问。

需要注意，多轮对话必须前后相关，不能把几个完全无关的问题随意拼在一起。

4. 3种格式有什么区别？

最后唠两句

为什么AI大模型成为越来越多程序员转行就业、升职加薪的首选

很简单，这些岗位缺人且高薪

智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200% ，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。

AI产业的快速扩张，也让人才供需矛盾愈发突出。麦肯锡报告明确预测，到2030年中国AI专业人才需求将达600万人，人才缺口可能高达400万人，这一缺口不仅存在于核心技术领域，更蔓延至产业应用的各个环节。

那0基础普通人如何学习大模型 ？

深耕科技一线十二载，亲历技术浪潮变迁。我见证那些率先拥抱AI的同行，如何建立起效率与薪资的代际优势。如今，我将积累的大模型面试真题、独家资料、技术报告与实战路线系统整理，分享于此，为你扫清学习困惑，共赴AI时代新程。

我整理出这套 AI 大模型突围资料包【允许白嫖】：

• ✅从入门到精通的全套视频教程
• ✅AI大模型学习路线图（0基础到项目实战仅需90天）
• ✅大模型书籍与技术文档PDF
• ✅各大厂大模型面试题目详解
• ✅640套AI大模型报告合集
• ✅大模型入门实战训练

这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

①从入门到精通的全套视频教程

包含提示词工程、RAG、Agent等技术点

② AI大模型学习路线图（0基础到项目实战仅需90天）

全过程AI大模型学习路线

③学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

④各大厂大模型面试题目详解

⑤640套AI大模型报告合集

⑥大模型入门实战训练

如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！

应届毕业生‌：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

👉获取方式：
有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓