Aetherworld
/系统
AetherSeed Personal Model Forge v0.1
个人模型铸造工坊
单人文明编译者 / time-rich solo developer 的模型训练文明工坊。本机不是不能训练，而是慢速训练炉；服务器只承担本机无法承担的爆发段。 Aetherworld 不会自动执行训练 / 上传数据 / 调用外部服务器。
工具链
9
可用工具
7
本机实验
7
服务器实验
5
血统线
8
1. 工具链地图
Lovable应用 / UI 构建器 · AVAILABLE
能力：生成训练管理 UI、生成数据工厂 / 评测面板、生成模型注册表 / Provider 接入页、维护 Aetherworld 工程骨架
局限：不直接执行训练、不直接读取本地硬件
Ollama本地推理 · AVAILABLE
能力：本地模型推理 / 流式对话、AetherSeed 训练后模型导入对照、提供基线模型评测
局限：不负责训练、受本机显存限制
Cursor代码编辑器 · AVAILABLE
能力：修改训练脚本、调试数据处理、重构训练代码
局限：不直接管理实验
Codex代码 Agent · AVAILABLE
能力：生成训练脚本、修复报错、生成配置 / 评测代码
局限：不直接执行训练 / 不连接本机硬件
WorkBuddy本地项目 Agent · AVAILABLE
能力：扫描本地项目、整理语料 / 管理文件、生成本地任务
局限：不上传敏感数据、需手动确认重要操作
Aetherworld训练控制中心 · AVAILABLE
能力：数据采集 / 清洗、训练任务规划 / 调度、记录 / 评测 / 回验、Provider 接入与对照
局限：不直接执行训练、不假装训练已经完成
本机 PC慢速训练炉 · MANUAL
能力：Tokenizer 训练、10M / 50M / 100M 规模训练、小规模 SFT / LoRA / QLoRA、Router / MSL 小模型、训练 dry-run、长时间夜间 / 空闲低成本实验
局限：训练慢，不适合 300M+ 完整预训练、显存有限、需要断点续训与失败重跑
不是不能训练，而是慢。可接受长期低速迭代。
GPU 服务器爆发训练炉 · PLANNED
能力：300M / 700M / 1.5B / 3B / 7B 训练、多 GPU 训练、本机准备完成后的正式训练阶段
局限：费用按小时计、需提前完成本机准备、不在 Aetherworld 内自动调用
服务器只承担本机无法承担的爆发段。
受控联网外部语料吸收器 · AVAILABLE
能力：官方文档 / GitHub README / API docs、模型卡 / 论文摘要、开源架构吸收
局限：不自动登录 / 不自动提交表单 / 不自动运行外部代码
2. 本机慢速训练炉
适合 Tokenizer、10M / 50M / 100M、Router / MSL 小模型、LoRA / QLoRA、训练 dry-run、长时间低成本实验。 耗时较长 → 适合夜间 / 长时间运行，不应判为不可行。
AetherSeed Tokenizer v0
Tokenizer 训练 · 本机目标：建立 AetherSeed 全族通用 BPE / SentencePiece 词表。
预计：数小时（适合夜间运行）建议窗口：白天电脑闲置时段成本：TIME_RICH
数据：Aetherworld 对话压缩语料、数列语言 / MSL 样例、Lovable Prompt 模板
评测：压缩率、未登录词比例、数列语言覆盖率
风险：数列语言被切碎、中英混排切分不稳
下一步：通过后用于 AetherSeed-10M 训练脚本。
AetherSeed-10M 训练脚本验证
玩具预训练 · 本机目标：跑通 data → tokenizer → model → loss → checkpoint 全链路。
预计：数小时～1 天（夜间长时运行）建议窗口：夜间空闲（推荐）成本：TIME_RICH
数据：压缩对话样本、数列 / MSL 微样本
评测：loss 收敛、checkpoint 可加载、Ollama 导入可推理
风险：OOM、梯度爆炸、数据格式错位
下一步：通过后扩展到 AetherSeed-50M。
AetherSeed-50M Tokenizer / MSL / Lovable Prompt 验证
玩具预训练 · 本机目标：验证 Tokenizer + MSL + 数列语言 + Lovable Prompt 四类输入是否被模型学到。
预计：数天（适合连续夜间运行）建议窗口：夜间空闲（推荐）成本：TIME_RICH
数据：Aetherworld 对话压缩、数列语言语料、MSL 指令样本、Lovable Prompt 样例（脱敏）
评测：格式还原率、MSL opcode 命中、数列语言保留率
风险：小模型欠拟合、训练步数不足
下一步：通过后扩展到 AetherSeed-100M。
AetherSeed-100M 小型结构输出验证
玩具预训练 · 本机目标：验证小型 AetherSeed 是否能稳定输出结构化 JSON / MSL / 数列。
预计：1～2 周（长时低占用）建议窗口：周末长时段成本：TIME_RICH
数据：50M 语料 + Aetherworld 任务样本
评测：结构化命中率、JSON 合法率、MSL 合法率
风险：结构幻觉、训练数据多样性不足
下一步：通过后规划 Router / MSL 子模型。
Router 小模型 v0
Router 小模型 · 本机目标：为 Aetherworld 子任务提供轻量分流。
预计：数小时建议窗口：白天电脑闲置时段成本：TIME_RICH
数据：Chat 意图标签、Aetherworld 计算法链命中样本
评测：Top1 准确率、推理延迟
风险：类别不平衡
下一步：接入 Sequence AI 调度。
MSL 小模型 v0
MSL 小模型 · 本机目标：MSL 状态语言专用小模型，服务子任务。
预计：数小时～1 天建议窗口：夜间空闲（推荐）成本：TIME_RICH
数据：MSL 指令样本、状态转换样本
评测：opcode 合法率、状态转换正确率
风险：样本覆盖不足
下一步：接入 MSL Console。
LoRA / QLoRA 数据集质量验证
LoRA / QLoRA 实验 · 本机目标：在不进行全量训练前，先验证数据质量。
预计：数小时（按基座大小变化）建议窗口：白天电脑闲置时段成本：TIME_RICH
数据：Aetherworld SFT 数据样本
评测：指令遵循率、格式合法率、风格一致性
风险：数据噪声、Prompt 模板不统一
下一步：数据通过后再上服务器做全量 SFT。
3. 服务器爆发训练炉
服务器用于 AetherSeed-300M / 700M / 1.5B / 3B / 7B 的正式训练。 只承担本机无法承担的爆发段。本机准备完成后再进入。
AetherSeed-300M 正式预训练
服务器预训练目标：完成 AetherSeed 系列首个具备弱通用能力的基座。
预计：数天（单 GPU）/ 1～2 天（多 GPU） · 数据：本机已清洗的全量预训练语料
AetherSeed-700M 训练
服务器预训练目标：中等规模通用能力跃迁。
预计：约 1 周 · 数据：300M 数据集扩展 + 高质量增量
AetherSeed-1.5B 训练
服务器预训练目标：AetherSeed 系列的主力工作模型。
预计：1～2 周 · 数据：高质量预训练 + Aetherworld 全任务样本
AetherSeed-3B 训练
服务器预训练目标：在中等成本下达到较强通用能力。
预计：2～4 周 · 数据：全量清洗语料
AetherSeed-7B 训练
服务器预训练目标：AetherSeed 系列旗舰。
预计：数周（多 GPU 并行） · 数据：最终高质量语料
上服务器前检查清单
- 本机已清洗数据 / 已生成 Tokenizer
- 本机已跑通训练脚本 dry-run
- 确认上传数据不含 secret / Full60 原始数列
- 明确 checkpoint 回传路径
- 明确训练后 Ollama 导入流程
- 明确评测项与回验计划
4. AetherSeed 血统线
AetherSeed-10M · 本机→
AetherSeed-50M · 本机→
AetherSeed-100M · 本机→
AetherSeed-300M · 服务器→
AetherSeed-700M · 服务器→
AetherSeed-1.5B · 服务器→
AetherSeed-3B · 服务器→
AetherSeed-7B · 服务器
AetherSeed-10M · 10M
用途：验证训练管线全链路。
前置：AetherSeed Tokenizer v0
评测：loss 收敛、checkpoint 可加载
AetherSeed-50M · 50M
用途：验证 Tokenizer / MSL / 数列语言 / Lovable Prompt 格式覆盖。
前置：AetherSeed-10M
评测：格式还原率、MSL opcode 命中、数列保留率
AetherSeed-100M · 100M
用途：验证小型结构输出能力。
前置：AetherSeed-50M
评测：JSON 合法率、结构化命中率
AetherSeed-300M · 300M
用途：首个具备弱通用能力的基座。
前置：AetherSeed-100M、服务器训练环境
评测：perplexity、Aetherworld 任务命中
AetherSeed-700M · 700M
用途：中等规模通用能力跃迁。
前置：AetherSeed-300M
评测：指令遵循、结构化输出
AetherSeed-1.5B · 1.5B
用途：AetherSeed 主力工作模型。
前置：AetherSeed-700M
评测：综合 eval、Aetherworld 通过率
AetherSeed-3B · 3B
用途：中等成本下的强通用能力。
前置：AetherSeed-1.5B
评测：综合 eval、推理速度
AetherSeed-7B · 7B
用途：AetherSeed 系列旗舰。
前置：AetherSeed-3B
评测：综合 eval、Ollama 部署可行性
5. 当前语料资产
Aetherworld 对话压缩样本Sequence Memory Compression · PARTIAL
MSL 指令 / 状态样本MSL Console · PARTIAL
数列语言样本Sequence Language · PARTIAL
Lovable Prompt 模板（脱敏）Personal Workflow · PLANNED
联网吸收语料（公开文档 / README）Network Runtime · PLANNED
本地项目语料（WorkBuddy）Local PC · PLANNED
6. 文明种子编译法（训练路线）
种子
- 对话压缩数据
- Aetherworld 项目数据
- Lovable Prompt
- 数列语言 / MSL
骨架
- AetherSeed Tokenizer
- 数据格式规范
- 模型族训练路线
- 训练脚本模板
肌肉
- Lovable 构建训练管理系统
- Cursor / Codex 编写与修复训练脚本
- 本机执行慢速训练
- 服务器执行爆发训练
血液
- 语料循环（采集 → 清洗 → 训练 → eval）
- checkpoint 管理
- Record Center 记录训练事件
- Analytics 计算训练表现
神经
- Scheduler 编排训练任务
- MSL 描述训练状态机
- Verification 回验
- Sequence AI 介入决策
生长
- AetherSeed-10M
- AetherSeed-50M
- AetherSeed-100M
- AetherSeed-300M
- AetherSeed-700M
- AetherSeed-1.5B
- AetherSeed-3B
- AetherSeed-7B
7. 单人时间模型（Time-Rich Solo Developer）
- 本机不是不能训练，而是慢速训练炉。
- 单人开发者的时间成本与团队不同，可接受长期低速实验。
- 失败实验只要产生数据与经验，仍有价值。
- 优先选择可长期运行、可断点续训、可重跑的任务。
- 把本机训练设计成夜间 / 空闲运行。
- 大训练才使用服务器，只覆盖本机无法承担的爆发段。
8. 下一步建议
- 今晚先跑 LF-TOK-01：训练 AetherSeed Tokenizer v0。
- Tokenizer 通过后立即排 LF-10M-01：跑通完整训练管线。
- 用 Codex 生成训练脚本，用 Cursor 调试，用 WorkBuddy 整理语料。
- 完成 LF-50M-01 后再考虑是否需要服务器。
- 服务器训练前完成 SERVER_PREP_CHECKLIST。
9. 安全边界
允许
- 在 Aetherworld 内生成训练计划 / 工具链地图 / 血统线 / 调度草案
- 用 Lovable / Cursor / Codex 生成训练脚本草案
- 在本机手动执行训练（由用户启动）
- 本机训练结果手动导入 Ollama 用于对照
- 受控联网吸收公开语料
禁止
- 自动上传训练数据
- 导出 secret / 密钥
- 导出 Full60 原始数列
- 假装训练已经完成
- 自动调用外部服务器
- 忽略 license 风险
- 把耗时长误判为不可行
- 在 Aetherworld 内直接执行训练循环
首页输入会创建一个新对话会话 · Enter 发送 · Shift+Enter 换行