每用戶 LoRA 適配器：大規模個人化 AI

每位用戶都希望 AI 能理解他們的情境：他們的術語、偏好、領域特點、溝通風格。一個熟悉其產品的支援客服助理。一個符合其寫作風格的寫作助手。一個了解其資料結構的分析師。

目前個人化的方案各有問題：

每用戶系統提示： 將用戶情境塞入冗長的系統提示中。對於輕度個人化有效，但每次請求都要為這些情境 Token 付費。在 GPT-4o 上，一個 2,000 Token 的系統提示每次請求花費 $0.005——乘以每用戶每月 1,000 次請求、500 位用戶，光是系統提示 Token 就要花費 $2,500/月。此外，系統提示有字數限制，2,000 個 Token 無法編碼深層行為模式。

每用戶 RAG： 為每位用戶維護獨立的知識庫，在推理時擷取相關情境。對於事實性個人化效果更好，但仍需按 Token 付費擷取的內容。再加上運營開銷：每位用戶需要獨立的向量資料庫、嵌入管道、擷取品質監控。對於 1,000 位用戶，就意味著需要維護 1,000 個向量資料庫。

每用戶完整微調： 為每位用戶完整微調一個模型。個人化程度深，但實際上完全不可行。一個 7B 模型量化後約 4GB。1,000 位用戶意味著 4TB 的模型儲存空間和 1,000 個獨立模型實例需要管理。

LoRA 適配器優雅地解決了這個問題。

LoRA 個人化架構

一個基礎模型常駐記憶體。每用戶 LoRA 適配器存放在磁碟上。當用戶發出請求時，載入對應的適配器。提供回應。卸載適配器。準備好接受下一位用戶的請求。

讓這一切得以運作的數字：

基礎模型（Llama 3.1 8B，Q4）：GPU 記憶體中佔 4GB
每用戶 LoRA 適配器：磁碟上佔 50-200MB
適配器載入時間：50-200ms（從 SSD）
1,000 位用戶 × 平均 100MB 適配器：總儲存空間 100GB
100GB SSD 儲存費用：雲端每月約 $8

相比之下，1,000 份完整模型副本共 4TB，或 1,000 個獨立 RAG 管道。經濟效益根本不在同一個量級。

熱切換的運作方式

每用戶適配器架構的推理流程：

請求到達，帶有用戶 ID
檢查用戶適配器是否已載入記憶體
若未載入：從磁碟載入適配器（50-200ms）
將適配器權重與基礎模型合併
執行推理
回傳回應
將適配器保留在記憶體快取中（非活躍用戶以 LRU 演算法淘汰）

記憶體管理

您不需要同時將所有適配器保留在記憶體中。LRU（最近最少使用）快取可以自然處理這個問題：

活躍用戶（5 分鐘內有請求）：適配器保留在 GPU 記憶體中
近期用戶（1 小時內）：適配器在 CPU 記憶體中，快速重新載入
非活躍用戶： 適配器在磁碟上，200ms 重新載入

24GB 的 GPU 可以同時容納基礎模型（4GB）加上 15-30 個適配器（取決於適配器大小和量化方式）。對於大多數應用程式來說，80-90% 的請求會命中已載入的適配器，因為用戶活躍度遵循冪次分佈：少數用戶產生了大部分流量。

使用 vLLM 實作

vLLM 自 2025 年底起原生支援 LoRA 適配器熱切換：

from vllm import LLM, SamplingParams
from vllm.lora.request import LoRARequest

llm = LLM(
    model="meta-llama/Llama-3.1-8B-Instruct",
    enable_lora=True,
    max_lora_rank=64,
    max_loras=20,  # GPU 記憶體中同時最多的適配器數量
)

# 使用用戶專屬適配器提供服務
output = llm.generate(
    prompts=["Help me draft a proposal for..."],
    sampling_params=SamplingParams(temperature=0.7, max_tokens=1024),
    lora_request=LoRARequest(
        lora_name="user_12345",
        lora_int_id=12345,
        lora_local_path="/adapters/user_12345/",
    ),
)

vLLM 自動處理適配器的載入、快取和淘汰。您只需在每次請求時傳入適配器路徑。

每用戶適配器實際學習的內容

在用戶 200-500 個互動範例上訓練的每用戶適配器會學習：

溝通風格

用戶偏好的回應格式。簡短直接還是詳盡全面。條列式還是段落式。技術術語還是平易近人的語言。微調後，模型無需系統提示中的風格指南，就能產出符合用戶偏好風格的輸出。

領域知識

用戶的特定術語、產品名稱、內部行話、專案名稱、團隊成員和縮寫。適配器直接將這些情境編碼進去，而不是在每次系統提示中解釋「Q3 OKR」或「Project Lighthouse」是什麼意思。

任務模式

用戶重複執行的任務類型。如果用戶總是要求 AI 以特定格式將會議記錄轉換為行動項目，適配器會學習這個模式。由於行為已內建，模型每次請求所需的指示更少。

偏好傾向

當存在多個有效回應時，適配器會學習用戶偏好哪一種。保守還是積極的建議。正式還是輕鬆的語氣。詳細說明注意事項還是自信地斷言。

使用場景

代理商每客戶模型

一個服務 50 個客戶的 AI 代理商可以在單一基礎模型上維護 50 個適配器。每個客戶都能獲得了解其品牌聲音、產品、客戶群和偏好輸出格式的 AI。代理商只需執行一台伺服器、一個基礎模型，並按客戶請求切換適配器。

儲存空間：50 個客戶 × 150MB = 7.5GB。這比兩份完整模型副本還少。請參閱我們的 LoRA 適配器代理商指南，了解詳細的代理商架構。

每租戶 SaaS

提供 AI 功能的 SaaS 平台可以為每個客戶帳戶個人化 AI。一個 AI 理解每個團隊工作流程的專案管理工具。一個 AI 了解每家公司銷售流程的 CRM。一個 AI 符合每家公司寫作風格的文件平台。

每租戶適配器方案可線性擴展：新增客戶、從其使用情況收集 200-500 個範例、微調適配器、部署。客戶在第一個月的使用期內即可獲得個人化 AI。

企業每部門

大型企業中不同部門以不同方式使用 AI。法律部門需要正式、精確的語言，並有引用要求。行銷部門需要有創意、符合品牌的文案。工程部門需要技術性、簡潔的文件。人力資源部門需要具同理心、符合政策的溝通。

四個部門、四個適配器、一個基礎模型。每個部門都能獲得感覺專為其量身打造的 AI。

個人 AI 助理

每位用戶都能獲得隨時間學習其偏好的 AI 的消費者應用程式。從通用適配器開始。隨著用戶互動，收集範例。定期（每週或每月）微調。AI 逐漸變得更加個人化，而無需將用戶資料傳送至雲端 API。

從互動歷史訓練每用戶適配器

每用戶適配器的訓練資料來自用戶自身的互動。以下是收集和訓練管道：

第一步：記錄互動

捕捉每次用戶互動：輸入、模型的輸出，以及任何反饋訊號（明確的點讚/點踩、隱性訊號如「用戶接受了這份草稿未作修改」或「用戶重寫了這份草稿的 80%」）。

第二步：篩選正面範例

選擇結果良好的互動：

用戶接受輸出且未大幅修改
用戶給予明確的正面反饋
任務成功完成（通過下游指標衡量）

對於有修正的負面範例，建立訓練配對，其中輸入是原始請求，輸出是用戶修正後的版本——這能教模型用戶實際上想要什麼。

第三步：格式化和平衡

轉換為標準對話格式。在任務類型之間平衡資料集，使適配器不會過度擬合於最常見的任務而犧牲較少見的任務。

最小可行資料集：200 個範例可達到明顯的個人化效果。500 個範例可達到強效個人化。1,000 個以上範例可達到深度行為對齊。

第四步：微調

上傳至 Ertas，選擇您的基礎模型，配置 LoRA rank（根據個人化深度選擇 16-64），然後訓練。在 8B 模型上訓練 500 個範例：30-60 分鐘。輸出：一個可立即部署的 LoRA 適配器檔案。

第五步：迭代

每月（或每 200 次新互動後）以擴充的資料集重新訓練適配器。每次迭代都能加深個人化程度。經過 3-4 個周期後，用戶通常會反映 AI「就是懂他們」。

擴展數學運算

讓我們來計算一個擁有 10,000 位用戶的 SaaS 平台的數字：

儲存空間

10,000 個適配器 × 平均 100MB = 1TB
雲端儲存費用（S3/GCS）：每月約 $23
活躍適配器的快速 SSD 儲存：1TB NVMe 每月約 $100

運算

基礎模型：1× A10G GPU（$0.60-$1.00/小時）可處理每秒 50-100 個請求
對於 10,000 位用戶，典型使用模式下（80% 的流量來自 20% 的用戶），任何時候需要約 2,000 位活躍用戶的適配器
vLLM 快取 20-30 個適配器在 GPU 記憶體中，適配器切換開銷低於 200ms

訓練

初始適配器訓練：每位用戶 30-60 分鐘
10,000 位用戶：使用排程 GPU 時間，分 2-4 週批次訓練
每月重新訓練：優先處理活躍用戶（前 2,000 名），其他人每季重新訓練
訓練費用：每次訓練每個適配器約 $0.50-$1.00

每月總費用

項目	費用
推理 GPU（A10G，全天候）	$440-$730
儲存空間（1TB SSD + 備份）	$123
每月重新訓練（2,000 位用戶）	$1,000-$2,000
總計	$1,563-$2,853

這相當於每位用戶每月 $0.16-$0.29 即可獲得完全個人化的 AI。相比之下，在 GPT-4o 上使用系統提示方案，每位用戶每月費用超過 $2.50（假設每用戶每月 500 次請求，每次含 2K Token 系統提示）。

適配器版本控制與回滾

每用戶適配器需要與任何生產成品相同的版本控制規範：

為每個適配器標記版本，包含時間戳記和訓練資料雜湊值
保留上一個版本，以便在重新訓練產生較差結果時可以回滾
對新適配器進行 A/B 測試，將新版本提供給用戶 10% 的請求並比較品質指標
每次重新訓練後進行自動品質檢查：在用戶互動的保留集上執行新適配器，確認輸出品質未下降

一個簡單的文件結構即可：

/adapters/
  user_12345/
    v1_2026-01-15/
      adapter_model.safetensors
      adapter_config.json
      metadata.json  # 訓練資料統計、評估指標
    v2_2026-02-15/
      ...
    current -> v2_2026-02-15/  # 指向當前版本的符號連結

隱私考量

每用戶適配器將用戶行為模式直接編碼進模型權重中。這有隱私方面的影響：

適配器包含從用戶資料中學習的模式。 應與原始資料享有相同的安全級別。
適配器檔案應在靜態時加密，並按用戶進行存取控制。
用戶應能刪除其適配器（被遺忘的權利）。這比從 RAG 系統中清除資料更簡單——只需刪除適配器檔案即可。
適配器不像 RAG 那樣記憶逐字資料。 微調後的模型學習的是模式，而非確切的字串。但仍可能通過生成洩露敏感資訊，因此存取控制很重要。

相較於基於雲端的個人化，其優勢在於：適配器和所有用戶資料都保留在您的基礎設施上。沒有用戶互動資料被傳送至 OpenAI 或 Anthropic 進行處理。這對受監管行業和注重隱私的用戶至關重要。

每用戶適配器不適合的情況

某些情況下，複雜性並不值得：

互動次數少於 100 次的用戶： 沒有足夠的資料來訓練有意義的適配器。在積累足夠資料之前，請使用系統提示或 RAG。
高度統一的使用場景： 如果所有用戶以相同方式使用 AI，單一微調模型可服務所有人。每用戶適配器增加了複雜性而沒有收益。
快速變化的需求： 如果用戶對 AI 的需求每週都在變化，適配器無法跟上重新訓練的周期。
非常小的用戶群（少於 50 位用戶）： 適配器管理的基礎設施開銷超過了收益。有個別系統提示和 RAG 的方案更簡單。

對於擁有數百或數千位用戶，且每位用戶都有不同工作流程、溝通風格和領域知識的 SaaS 產品，每用戶 LoRA 適配器是實現深度個人化最具成本效益的途徑。