AI Training Studio

AI Training Studio 是一個 Windows 桌面工具，目標是讓新手用圖形化介面把需求、資料、參數與整合方式整理成 AI 訓練包。

執行檔：

dist\AITrainingStudio.exe

目前專案沒有 .bat 啟動器。請直接用檔案總管雙擊 dist\AITrainingStudio.exe。

可以產生什麼

• .aipack AI 行為包
• training_project.json 專案設定
• requirements_prompt.txt 提示詞與需求整理
• model_card_zh-TW.md 模型卡
• data_manifest.csv 本機資料清單
• operation_mapping.csv AI 輸出到實際操作的對應表
• resource_discovery_queue.csv 自動找資料計畫
• action_inference_from_video_zh-TW.md 只有畫面時推測操作的教學
• training_backend_plan_zh-TW.md 訓練方式計畫
• Unity / Godot / Unreal / 自訂引擎 / Mod SDK 接入範本
• 開發板 / 手把橋接範本
• 文字 AI App HTML 範本
• 本地 GPU 直接訓練資料夾 local_gpu_train
• API 自動分析報告 api_analysis_report_zh-TW.md
• 一鍵自動完成結果 auto_completion_result.json
• 影片標註計畫 video_labeling_plan.csv

基本使用方式

1. 開啟 dist\AITrainingStudio.exe。
2. 在「1. 專案」選擇要做 NPC、遊戲操作、文字 AI 或自訂流程。
3. 在「2. 需求與資料」輸入需求、人格、資料來源。
4. 在「3. 參數」調整創意、穩定、記憶、反應速度、安全限制與訓練方式。
5. 在「4. 建立檔案」建立訓練包、整合包或文字 AI App。

一鍵 API 自動完成

如果你不想自己判斷模式、參數、資料格式和標註方式，可以直接用「AI 自動完成並建立完整包」。

在「4. 建立檔案」填入：

• Base URL：預設 https://api.openai.com/v1
• API Key：你的 OpenAI 或 OpenAI 相容 API Key
• Model：例如 gpt-4.1-mini，或你相容服務提供的模型名稱
• Endpoint 模式：OpenAI 官方建議用 Responses API；LM Studio、Ollama 相容服務或其他相容端點通常用 Chat Completions 相容

然後按：

AI 自動完成並建立完整包

程式會自動：

• 掃描你輸入的需求、網址、關鍵字和本機資料
• 讀取文字型資料，例如 .txt、.md、.csv、.json
• 自動判斷專案模式、目標、訓練方式、參數和要輸出的檔案
• 自動補完整需求、人格 / 操作風格、搜尋關鍵字與注意事項
• 建立完整訓練包

影片檔不會直接上傳做視覺分析。程式會把影片當成需要標註的來源，讓 API 產生切片規則、標註欄位和人工檢查清單。

API Key 會加密存在：

%APPDATA%\AITrainingStudio\settings.json

它不會寫進任何輸出訓練包。

使用本地模型，例如 Ollama

如果你想用本機模型，不走雲端 API，可以使用 Ollama 或其他 OpenAI Chat Completions 相容服務。

先啟動 Ollama：

ollama serve

再另外開一個 PowerShell，下載模型，例如：

ollama pull llama3.1:8b

在 AI Training Studio 的「4. 建立檔案」填：

Base URL: http://localhost:11434/v1
API Key: ollama
Model: llama3.1:8b
Endpoint 模式: Chat Completions 相容

然後按：

AI 自動完成並建立完整包

注意：

• Base URL 要包含 /v1，程式會自己接 /chat/completions。
• Ollama 通常不檢查 API Key，但 Studio 目前要求不能空，所以可填 ollama。
• 本地模型比較容易沒有照格式回傳 JSON。如果失敗，換較強的模型、縮短需求，或再按一次。
• LM Studio、LocalAI、vLLM 或其他 OpenAI 相容服務也可用同樣方式；只要把 Base URL、Model 和 Endpoint 模式 改成對應設定。

使用 LM Studio

LM Studio 可以在本機啟動 OpenAI 相容 API Server。先在 LM Studio 裡下載並載入一個模型，然後到 Developer 分頁按 Start server。預設伺服器通常是：

http://localhost:1234/v1

也可以用 LM Studio CLI 啟動：

lms server start

在 AI Training Studio 的「4. 建立檔案」填：

Base URL: http://localhost:1234/v1
API Key: lm-studio
Model: 你的 LM Studio 模型識別名稱
Endpoint 模式: Chat Completions 相容

如果你的 LM Studio 版本與模型支援 /v1/responses，也可以把 Endpoint 模式 改成 Responses API。如果不確定，先用 Chat Completions 相容，穩定性通常較好。

可以先測試模型清單：

curl http://localhost:1234/v1/models

注意：

• Base URL 要包含 /v1。
• Model 必須填 LM Studio 實際載入/提供的模型識別名稱，不一定等於檔名。
• 如果 JSON 格式失敗，請改用較強的 instruct/chat 模型，或改回 Chat Completions 相容。
• LM Studio 官方文件說明它支援 OpenAI 相容的 /v1/responses、/v1/chat/completions、/v1/models 等端點。

資料來源

你可以加入：

• 本機檔案
• 本機資料夾
• 影片網址
• 網站網址
• 文件網址
• GitHub 或其他公開資料來源網址
• 自動找資料關鍵字

如果沒有提供本機檔案，也可以勾選「沒有資料時，幫我產生自動找資料計畫」。

這會產生 resource_discovery_queue.csv，列出：

• 要搜尋的關鍵字
• 建議來源類型
• 為什麼需要這份資料
• 如何標註資料
• 授權與網站條款注意事項

注意：程式不會未經授權自動下載或爬取網站內容。真正下載、爬取或訓練前，仍要確認你有權使用該資料。

只有畫面、沒有搖桿操作資料

如果你只有遊玩影片或遊戲畫面，沒有實際搖桿按鍵紀錄，可以勾選：

只有畫面時，幫我推測可能操作

程式會產生 action_inference_from_video_zh-TW.md，教你如何把畫面狀態推測成操作標籤，例如：

• 直線、前方無障礙：可能是 ACCELERATE
• 左彎：可能是 STEER_LEFT
• 右彎：可能是 STEER_RIGHT
• 前方障礙或牆壁接近：可能是 BRAKE 或閃避
• 道具出現或被追擊：可能是 USE_ITEM

這是「推測標註」，不是保證正確。正式訓練前仍建議人工抽查，最好補上實際控制紀錄或遊戲狀態資料。

模型等級 vs 訓練方式

這兩個選項用途不同。

模型等級

「模型等級」只決定輸出檔案完整度，不決定要不要 GPU。

• 入門：需求整理與行為包
• 進階：可接 API / 本機模型
• 完整：輸出訓練資料格式與整合檔

訓練方式

「訓練方式」才決定要不要使用 GPU。

• 行為包 / 提示詞：不用 GPU，最快開始
• 大模型 API：使用雲端 LLM 或外部模型
• 本地 GPU 直接訓練：使用自己的顯卡開始訓練
• 混合：先用大模型整理，再用本地 GPU 訓練

本地 GPU 直接訓練

當「訓練方式」選擇本地 GPU 或混合模式時，輸出包會新增：

local_gpu_train

裡面包含：

• README_zh-TW.md
• train_config.json
• dataset_template.csv
• start_local_gpu_training.ps1
• check_gpu.py
• train_stub.py

使用方式：

cd local_gpu_train
.\start_local_gpu_training.ps1

這個啟動腳本會檢查：

• 是否有 Python
• 是否安裝 PyTorch
• 是否偵測到常見 GPU / 加速後端；沒有 CUDA/MPS 時仍可先用 CPU starter flow 跑通資料流程

GPU 不限定 NVIDIA。可以是 NVIDIA、AMD、Intel、Apple Silicon 或其他 AI 加速器。只是不同硬體需要不同訓練框架或後端，例如 CUDA、ROCm、DirectML、OpenVINO、MPS，或廠商自己的 SDK。

如果你沒有 NVIDIA 顯卡，不需要安裝 CUDA 版 PyTorch。AMD / Intel GPU 使用者建議先安裝標準 PyTorch 套件，讓資料讀取、CSV 格式與訓練入口先跑通：

pip install torch torchvision torchaudio

內建檢查腳本主要能自動偵測 CUDA 與 Apple MPS。AMD / Intel GPU 通常不會被這個 starter 偵測成 CUDA/MPS，這是正常情況；腳本會提示後繼方向，並繼續用 CPU 相容流程執行。之後若要使用 AMD GPU 加速，Windows 可先看 DirectML，支援的 Linux 環境可看 ROCm；Intel GPU 可看 OpenVINO 或 DirectML。你可以把 train_stub.py 替換成對應後端的訓練/推論程式。

如果環境不足，腳本會提示缺少什麼。

train_stub.py 是本地 GPU 訓練入口範本。它會讀取 train_config.json 和 dataset_template.csv，你可以之後把它替換成真正的 PyTorch、影像模型、LLM 微調或強化學習訓練程式。

參數勾選項說明

• 產生新手教學：輸出一步一步的中文操作流程，適合完全沒有程式背景的人。
• 產生遊戲引擎整合範本：輸出 Unity、Godot、Unreal、自訂引擎或 Mod SDK 的接入範本。
• 產生開發板 / 手把橋接範本：輸出序列埠、控制策略、影片標註與硬體橋接範本，可對應 Switch、PlayStation、Xbox、PC、Android、模擬器、自訂 HID 或其他合法控制環境。
• 產生找資料清單：輸出自動找資料計畫與標註建議。
• 產生文字 AI App 範本：輸出可雙擊開啟的 HTML 文字 AI App 範本。
• 產生風險與限制說明：列出授權、安全、遊戲條款與真實設備風險。

重新編譯

在 PowerShell 執行：

.\build.ps1

輸出會在：

dist\AITrainingStudio.exe

如果編譯失敗並提示檔案被使用，請先關閉正在執行的 AITrainingStudio.exe。

重要限制

AI Training Studio 不會破解遊戲，也不能把 AI 憑空塞進任意封閉遊戲。

封閉遊戲必須有官方 Mod、SDK、腳本接口、原始碼或合法外部控制方式，才可能把 AI 行為包接入。

接 Switch、PlayStation、Xbox、PC、Android、模擬器、自訂 HID、開發板或其他真實設備時，只能使用合法硬體與合法方式，不應繞過安全機制或違反服務條款。

入門模式產生的是可讀、可整合的 AI 行為包，不是大型神經網路權重檔。真正訓練 LLM、視覺模型或強化學習模型仍需要資料集、訓練框架、評測流程，以及相應的雲端或本地 GPU 環境。