Ajustar modelo

Pone a punto un modelo con el conjunto de datos de entrenamiento especificado.

Opciones 

• Nombre de cuenta es una expresión de texto para el nombre de la cuenta de IA que se va a utilizar. En el archivo actual, utilice el paso de guión Configurar cuenta de IA para configurar la cuenta y asignarle este nombre en cualquier momento antes de que se ejecute este paso de guión.

• Modelo base es una expresión de texto para que la ajuste el modelo de generación de texto. Para conocer los modelos compatibles, consulte las Especificaciones técnicas de FileMaker.

• Datos de entrenamiento especifica la fuente de datos de entrenamiento para el ajuste preciso:

  • Tabla: utiliza los datos de la ocurrencia de tabla especificada en función del conjunto de registros encontrados. Para el entrenamiento, los datos de Campo de finalización se utilizan como respuesta del asistente; los datos de todos los demás campos se utilizan como la correspondiente indicación de usuario.

  • Archivo: utiliza un archivo JSONL que contiene datos de entrenamiento. Cada línea debe ser un objeto JSON válido que contenga una indicación de usuario y su correspondiente respuesta del asistente.

• Objetivo de respuesta especifica el campo o la variable en el que el proveedor del modelo devuelve un objeto JSON con información sobre la tarea de ajuste preciso iniciada por este paso de guión.

• Ajustar parámetros es una expresión de texto para un objeto JSON que consta de pares de clave-valor para las opciones de ajuste preciso que admite el proveedor de modelos.

Opciones disponibles solo cuando Datos de entrenamiento se ha establecido en Tabla:

• El valor de Tabla especifica la ocurrencia de tabla que se va a utilizar para los datos de entrenamiento.

• Campo de finalización especifica el campo de Tabla que contiene las respuestas previstas del asistente para el entrenamiento.

Opciones disponibles solo cuando Datos de entrenamiento se ha establecido en Archivo:

• El valor de Archivo especifica una lista de una o varias rutas para el archivo JSONL que contiene los datos de entrenamiento. Las rutas deben usar uno de los prefijos de ruta file. El paso de guión busca en la lista y añade el primer archivo JSONL que localiza correctamente. Consulte Crear rutas de archivo.

Se origina en 

22.0

Descripción 

Este paso de guión envía datos de entrenamiento a un proveedor de modelos compatible para crear una versión ajustada de un modelo de IA base mediante técnicas de adaptación de bajo rango (LoRA). El ajuste preciso permite personalizar el comportamiento de un modelo para tareas, dominios o estilos de respuesta específicos, entrenándolo con sus propios datos y conservando al mismo tiempo las funciones generales del modelo base. Por ejemplo, puede ajustar con precisión un modelo para que responda mejor mediante la terminología específica de su empresa, estilo de redacción o experiencia en el dominio. LoRA es un método eficaz que incorpora pequeños parámetros que se pueden entrenar al modelo sin modificar los volúmenes originales. Este enfoque requiere muchos menos recursos informáticos y memoria en comparación con el ajuste preciso del modelo completo, al mismo tiempo que consigue mejoras de rendimiento comparables.

Debe configurarse la cuenta de IA especificada por Nombre de cuenta para uno de los siguientes proveedores de modelos:

• OpenAI

• El servidor de modelos de IA proporcionado con FileMaker Server en un Mac con Silicon Apple.

Otros proveedores de modelos y sistemas operativos no son compatibles con el ajuste preciso. Consulte las especificaciones técnicas de FileMaker .

Datos de entrenamiento

Los datos de entrenamiento pueden proporcionarse desde una tabla de FileMaker o desde un archivo JSON Lines (JSONL). Cada ejemplo de entrenamiento consta de una indicación de usuario y la respuesta deseada del asistente. A continuación, el modelo puede generar respuestas similares a sus ejemplos de entrenamiento cuando se le proporcionan indicaciones similares.

{
  "messages" : 
  [
    {
      "content" : "<FieldName1>=<Data1>, <FieldName2>=<Data2>, ... ",
      "role" : "user"
    },
    {
      "content" : "<Completion_Field_Data>",
      "role" : "assistant"
    }
  ]
}

{
  "messages" : 
  [
    {
      "content" : "<User_Prompt>",
      "role" : "user"
    },
    {
      "content" : "<Assistant_Prompt>",
      "role" : "assistant"
    }
  ]
}

Objetivo de respuesta

Para obtener información sobre la tarea de ajuste preciso iniciada por este paso de guión, especifique una variable o un campo para la opción Objetivo de respuesta. El ajuste preciso puede llevar un tiempo considerable, por lo que deberá ponerse en contacto con el proveedor de modelos para determinar cuándo se ha completado el proceso y si el modelo ajustado está listo para su uso.

Por ejemplo, el servidor de modelos de IA envía una respuesta como la que se muestra a continuación en los siguientes casos:

• El archivo JSONL especificado por Archivo es my-training-data.jsonl.

• Modelo base es google/codegemma-7b-it.

• El valor de la clave fine_tuned_model_name especificada en Ajustar parámetros es "my-fine-tuned-model-name". El valor de la clave fine_tuned_model en Objetivo de respuesta, es el nombre completo asignado por el servidor de modelos de IA.

{
  "result": {
    "object": "fine_tuning.job",
    "id": "fm-ftjob-1753297022103",
    "file_id": "fm-ft-train-1753297022070",
    "model": "google/codegemma-7b-it",
    "created_at": 1753297022103,
    "fine_tuned_model": "fm-mlx-my-fine-tuned-model-name",
    "status": "queued",
    "training_file": "my-training-data.jsonl",
    "tags": [
      "fine-tune"
    ]
  }
}

Para determinar cuándo el servidor de modelos de IA ha completado el ajuste preciso, inicie sesión en la Admin Console de FileMaker Server. Consulte la sección Notas.

Ajustar parámetros

La opción Ajustar parámetros se puede utilizar para especificar los parámetros de ajuste preciso que admite el proveedor de modelos. Consulte la documentación del proveedor del modelo para conocer los nombres clave de los parámetros admitidos y sus rangos válidos.

Para el servidor de modelos de IA proporcionado con FileMaker Server, puede utilizar las siguientes claves y valores a fin de realizar el ajuste preciso, si es necesario. Si no se especifica una clave o no se utiliza la opción Ajustar parámetros, el paso de guión utiliza los valores predeterminados.

Por ejemplo, este objeto JSON establece claves en la opción Ajustar parámetros:

{
  "max_steps": 2000,
  "learning_rate": 1e-4,
  "batch_size": 2,
  "lora_layers": 6,
  "fine_tuned_model_name": "customer-support-v1"
}

Notas 

• El ajuste preciso requiere importantes recursos informáticos. La ejecución de más de un trabajo de ajuste preciso a la vez en el servidor de modelos de IA puede afectar negativamente al rendimiento del sistema.

• Para supervisar el estado de los modelos ajustados en el servidor de modelos de IA (por ejemplo, para saber cuándo se ha completado el entrenamiento), abra la Admin Console de FileMaker Server. En ella, también puede crear modelos ajustados directamente mediante la carga de un archivo JSONL. Consulte Creación de modelos de IA adaptados en la Ayuda de FileMaker Server.

Ejemplo 1- Ajuste preciso básico mediante los datos de la tabla

Ajusta un modelo de OpenAI con datos de una tabla. El guión configura una cuenta de IA para OpenAI y accede a la presentación Control_calidad_asistencia. La tabla Control_calidad_asistencia contiene campos de preguntas y respuestas, entre otros. El guión realiza una búsqueda para obtener el conjunto encontrado deseado y, a continuación, envía los datos de esos registros para ajustar un modelo GPT-4.1 y especifica el campo Respuesta de Campo de finalización. (Los datos de todos los demás campos se envían como indicación de usuario).

Configurar cuenta de IA [ Nombre de cuenta: "mi-cuenta" ; Proveedor de modelos: OpenAI ; Clave de API: Global::Clave_API_OpenAI ]

Ir a la presentación [ "Control_calidad_asistencia" (Control_calidad_asistencia) ]

Ejecutar búsqueda [ Restaurar ]

Ajustar modelo [ Nombre de cuenta: "mi-cuenta" ; Modelo base: "gpt-4.1-2025-04-14" ; Datos de entrenamiento: Tabla ; "Control_calidad_asistencia" ; Campo de finalización: Control_calidad_asistencia::Respuesta ; Objetivo de respuesta: $$responseTarget ]

Cuando OpenAI le notifique que el entrenamiento ha finalizado y le proporcione el nombre del modelo ajustado, podrá utilizar el modelo en pasos de guión como Generar respuesta a partir del modelo:

Generar respuesta a partir del modelo [ Nombre de cuenta: "mi-cuenta" ; Modelo: "ft:gpt-4o-mini-2024-07-18:my-org::LBNO71Qq" ; Indicación de usuario: $question ; Modo Agentic ; Respuesta : $$response ]

Ejemplo 2- Ajuste preciso mediante un archivo JSONL

Ajuste un modelo en el servidor de modelos de IA mediante el envío del archivo JSONL creado en el Ejemplo 2 para el paso de guión Guardar registros como JSONL. El guión configura una cuenta de IA y establece la variable $trainingFile en la ruta del archivo JSONL de la carpeta Documentos.

A continuación, el guión establece la variable $parameters en un objeto JSON que contiene los pares de clave-valor que se utilizarán para el ajuste preciso de los parámetros, incluida la configuración del nombre raíz que se asignará al modelo ajustado.

Por último, el guión envía el archivo JSONL especificado por $trainingFile al servidor de modelos de IA, donde indica el modelo base que se va a ajustar, los parámetros que se van a utilizar y la variable $response en la que se almacenará la respuesta. Para disponer del nombre completo del modelo ajustado y poder utilizarlo más tarde, el guión obtiene el nombre de $response y lo almacena en un campo global.

Configurar cuenta de IA [ Nombre de cuenta: "Servidor_modelos_IA" ; Proveedor de modelos: Personalizado ; Punto de conexión: "https://myserver.example.com/llm/v1/" ; Clave de API: Global::Clave_API_ajuste ; Verificar certificados SSL ]

Establecer variable [ $trainingFile ; Valor: Get ( DocumentsPath ) & "training_data.jsonl" ]

Establecer variable [ $parameters ; Valor: 
  Let ( [
    json = "{}" ;
    json = JSONSetElement ( json; "max_steps"; 1500; JSONString ) ;
    json = JSONSetElement ( json; "learning_rate"; 1e-4; JSONString ) ;
    json = JSONSetElement ( json; "batch_size"; 2; JSONString ) ;
    json = JSONSetElement ( json; "fine_tuned_model_name"; "product-expert-v2" ; JSONString )
  ] ;
    json
  )
]

Ajustar modelo [ Nombre de cuenta: "Servidor_modelos_IA" ; Modelo base: "google/codegemma-7b-it" ; Datos de entrenamiento: Archivo ; "$trainingFile" ; Objetivo de respuesta: $responseTarget ; Ajustar parámetros: $parameters ]

Establecer variable [ Global::Modelo_ajustado ; JSONGetElement ( $responseTarget ; "result.fine_tuned_model" ) ]

Temas relacionados 

• Paso de guión Guardar registros como JSONL

• Paso de guión Configurar cuenta de IA

• Paso de guión Generar respuesta a partir del modelo

• Paso de guión Configurar el registro de llamadas de IA

• Uso de las funciones de JSON

• Referencia de pasos de guión