无需编写训练代码，即可创建自定义 AI 模型
Ertas Studio 让氛围编程者和无代码构建者通过可视化界面创建微调 AI 模型——无需 Python 脚本，无需终端命令，无需 ML 背景知识。
The Challenges You Face
AI API 是一项无法控制的持续开支
每次调用托管 LLM 的 API 都会产生费用。随着应用增长，账单也在增长——而且您无法降低每 token 的成本。一次病毒式传播可能会让您的副业项目一夜之间变成财务负担。
通用模型不理解您的领域
现成的模型只能给出通用回答。当您的应用涉及特定细分领域——无论是占星术、食谱生成还是健身指导——基础模型缺乏用户期望的深度和语气，而提示词工程的效果也十分有限。
微调教程默认您是 ML 工程师
大多数模型定制指南直接深入 Hugging Face Trainer 参数、CUDA 设置和分布式训练。如果您的强项是使用可视化工具构建产品，这些教程就像天书一样。
供应商锁定限制了您的选择
依赖单一 API 提供商意味着您的产品取决于他们的定价决策、速率限制和内容策略。如果他们弃用某个模型或更改条款，您就得手忙脚乱地进行迁移。
How Ertas Solves This
Ertas Studio 专为凭借直觉和速度进行构建的人设计，而非基础设施专家。整个微调工作流——从数据上传到模型导出——都通过可视化界面完成，感觉更像是一款设计工具而非机器学习平台。
您只需将示例以简单的 JSONL 格式导入 （或粘贴到内置编辑器中），从目录中选择基础模型，然后点击训练。Studio 在后台处理云端 GPU 编排、LoRA 适配器配置和检查点管理。训练完成后，您下载 GGUF 文件并在本地运行——零持续 API 费用。
这意味着您可以创建一个使用您的品牌声音、理解您的细分领域、并在您已有的硬件上运行的模型。您的 AI 功能变成固定成本而非可变成本，并且您不再受制于任何单一 API 提供商。
Key Features for 氛围编程者与无代码构建者
拖放式数据集构建器
通过可视化编辑器粘贴示例、导入 CSV 或上传 JSONL 文件。Studio 会实时验证您的数据格式，并在浪费算力之前标记问题。
一键训练
选择基础模型，查看自动配置的训练设置，然后点击开始。无需终端，无需脚本，无需环境搭建。训练在托管云端 GPU 上运行，完成后会通知您。
本地模型所有权
导出的 GGUF 模型可在您的笔记本电脑、家用服务器或任何支持 llama.cpp 的设备上运行。您完全拥有模型权重——无订阅费，无按查询收费，无使用上限。
模型试验场
在部署之前，通过交互式聊天界面测试您的微调模型。在不离开浏览器的情况下，比较不同训练运行的输出，选出最佳表现者。
Why It Works
- 氛围编程者已使用 Studio 在基于 Bubble、FlutterFlow 和 Retool 构建的应用中交付了自定义 AI 功能——通过简单的 HTTP 端点连接到本地托管的模型。
- 用自托管微调模型替代每月 200 美元的 API 账单，通常在第一个计费周期内就能收回 Studio 订阅费用。
- 零 ML 背景的无代码构建者已在首次尝试中成功使用 Studio 的引导式工作流微调模型。
- 可视化训练界面将学习曲线从数周的 ML 学习缩短到一个下午的实验时间。
- 您创建的每个模型都是可移植的——导出一次即可在任何地方运行，从 MacBook 到云端虚拟机再到边缘设备。
Example Workflow
假设您正在构建一个生成个性化膳食计划的无代码应用。您收集了 200 个用户档案与理想膳食计划配对的示例。您打开 Ertas Studio，上传 JSONL 文件，选择一个 70 亿参数的指令微调基础模型。默认设置看起来不错，于是您点击「开始训练」。
等待期间，您继续在 Bubble 应用中进行接线工作。二十分钟后，Studio 通知您训练完成。您打开试验场，测试几个提示词，模型完美地把握了语气和格式。您导出 GGUF，在每月 10 美元的 VPS 上启动一个 Ollama 实例，将应用指向它，您的膳食计划 AI 就上线了——固定托管成本取代了按请求收费的 API 费用。
Related Resources
Ship AI that runs on your users' devices.
Early bird pricing starts at $14.50/mo — locked in for life. Plans for builders and agencies.