第一炉训练准备 · AetherSeed 300M 私有模型

总体状态

实测验收流程（7 步走完才允许点火）

1. 1

   第一步 · 检查数据集

   阻断点火当前步骤

   未通过

   确认有训练样本、评测样本，且无 BLOCK 数据进入第一炉。

   • 未通过
     训练数据集

     尚未生成可用训练样本（不含 BLOCK）。
   • 提醒
     评测数据集

     暂无评测样本，第一炉将无法生成评测分数；建议至少准备 10 条。
   • 待确认
     数据安全报告

     尚未构建数据集，无法生成安全报告。

   请先到投喂炉补足训练样本，或在数据集页清理 BLOCK 数据。

   前往投喂炉 / 数据集 →
2. 2

   第二步 · 检查真实导出

   阻断点火

   未通过

   确认已生成 JSONL / Manifest / 安全报告（真实导出包）。

   • 未通过
     真实导出包

     尚未构建任何数据集版本，无法生成真实导出包。
   • 待确认
     数据安全报告

     尚未构建数据集，无法生成安全报告。

   请到数据集页对最新版本执行「真实导出」，得到 JSONL + manifest + 安全报告。

   前往数据集页生成导出 →
3. 3

   第三步 · 检查训练计划

   阻断点火

   未通过

   确认已有 AetherSeed 300M 私有模型训练计划（主线）。

   • 未通过
     本机训练计划

     尚未创建任何本机训练计划（推荐先创建 AetherSeed-10M / Router Tiny）。

   请在本机训练页创建第一炉计划：AetherSeed 300M 私有模型（CPT + SFT）。

   前往本机训练 →
4. 4

   第四步 · 检查本地执行网关

   阻断点火

   未通过

   确认本地网关已连接、/health 通过。未连接时不显示「可以点火」。

   • 未通过
     本地执行网关连接

     未检测到本地网关连接。第一炉训练前需先启动 local-gateway。
   • 未通过
     网关 /health

     网关 /health 未通过或未探测，无法确认本机训练通道。

   请在本机终端执行：cd local-gateway && npm install && npm run local-gateway，启动后回到本页点「检查本地网关 /health」。

   前往本地执行网关 →
5. 5

   第五步 · 检查 Dry-run

   阻断点火

   未通过

   确认自动训练器已生成命令预览、白名单通过、未触发 BLOCK。

   • 提醒
     自动训练任务

     尚未从训练计划创建自动训练任务草案。
   • 未通过
     训练命令 Dry-run

     尚未创建任何自动训练任务，无法生成 dry-run。
   • 通过
     训练命令白名单

     白名单命令：python train.py --config config.yaml、python eval.py --config config.yaml、python check_env.py、python -m pip install -r requirements.txt（需用户单独确认）
   • 通过
     输出目录白名单

     仅允许写入：./aether-training/、./aether-training/outputs/、./aether-training/logs/

   请在自动训练器对最新任务执行 dry-run，确认命令在白名单内且未触发 BLOCK。

   前往自动训练器 →
6. 6

   第六步 · 检查实验账本

   提醒

   确认已创建第一炉实验记录，用于记录模型血统与 checkpoint。

   • 提醒
     实验账本记录

     尚未创建实验账本记录，第一炉点火后将无法记录血统。

   建议在实验账本创建第一炉记录草案，避免训练完成后无法追溯。

   前往实验账本 →
7. 7

   第七步 · 最后确认

   阻断点火

   待确认

   用户必须本页明确确认；确认仅会话内存有效，刷新即失效，系统无法自动伪造。

   • 待确认
     用户点火确认

     尚未确认。第一炉训练必须用户在本页明确确认后才能点火。

   前 6 步全部通过后，仍需用户在本页点击「我已确认第一炉点火」。

第一炉首推：AetherSeed 300M 私有模型

点火前最后确认清单

• ✓
  第一炉模型 = AetherSeed 300M 私有模型（主线）

  当前主线收束为 AetherSeed 300M 私有模型；不公开 / 不开源 / 不上传。
• ✓
  第一炉样本量建议 ≤ 5000 条

  第一炉禁止全量数据，请先用小样本跑通端到端闭环。
• !
  本地执行网关已连接 + /health 通过

  未连接网关时绝不显示「可以点火」。
• !
  Dry-run 通过、命令在白名单

  不允许绕过 dry-run。
• ✓
  输出目录在白名单内

  仅允许写入 ./aether-training 等白名单目录。
• !
  训练样本无 BLOCK 数据

  BLOCK 样本不会进入训练。
• !
  实验账本已就绪（建议）

  便于训练完成后写回血统记录。
• !
  用户已点击「我已确认第一炉点火」

  确认仅会话内存有效，刷新即失效。

操作按钮

检查项

第一炉建议（优先小模型）

风险提示

• 当前主线为 AetherSeed 300M 私有模型；300M 本机训练可能需要数天到数周。
• 必须高频保存 checkpoint，确保可断点恢复；不得跳过 dry-run / 用户确认。
• 不得训练未脱敏私密数据、来源不明材料、第三方版权材料。
• 第一炉目标是私有模型闭环（数据→训练→checkpoint→评测→Ollama 接入预留），不是性能竞争。
• 暂时不训练 WebXXM-2 / Router Tiny / MSL Tiny / Format Tiny。

安全边界

Ollama 接入准备（300M 主线 · 仅预留流程，本轮不执行）

1. 1
   获取训练完成 checkpoint

   在自动训练器完成长时间训练，把最终 checkpoint 登记到实验账本。
2. 2
   确认 checkpoint 格式

   确认为 HuggingFace 兼容 safetensors / .pt 结构。
3. 3
   转为 HuggingFace 格式

   本机使用 transformers / convert 脚本，仅本地操作。
4. 4
   转 GGUF

   本机使用 llama.cpp / convert-hf-to-gguf.py 转出 .gguf；不上传。
5. 5
   创建 Modelfile

   本地编写 Modelfile，FROM 指向本机 .gguf；模型名 aetherseed-300m。
6. 6
   执行 ollama create

   命令：ollama create aetherseed-300m -f Modelfile（手动在本机执行）。
7. 7
   在 Aetherworld 模型来源中加入

   到 /system/model-providers 添加 Ollama Provider 并启用 aetherseed-300m。
8. 8
   Chat 选择 AetherSeed 300M

   在 Chat 模型切换处选择 AetherSeed 300M 作为本地脑。

300M 训练路线与风险