Hugging Face 推出合成數據生成器：一句提示詞，無程式碼跑出資料集

想訓一個垂直領域的小模型，但手裡連像樣的資料集都沒有，這大概是很多小團隊和獨立開發者最頭疼的卡點。

Hugging Face 上線了一款名為 Synthetic Data Generator 的無程式碼工具。說白了，它讓你直接用日常的大白話描述需求，就能自動生成可用於模型訓練的高質量合成數據集，整個過程完全不需要寫一行程式碼。

動動嘴皮子，資料和模型全有了

以往搞合成數據，光是搭流水線、寫提示詞指令碼、調 API 就得折騰半天。Hugging Face 把這一整套流程做成了一個網頁應用，底層跑的是開源合成數據框架 distilabel，呼叫的是平臺免費的文本生成介面。

使用流程只有三步。你先在輸入框裡用自然語言描述自己想要什麼樣的資料，比如設定一個特定業務的客服助手。系統會先吐出幾個樣本，並自動生成對應的 System Prompt。如果你覺得語氣或格式不夠精準，直接線上微調提示詞和引數，滿意之後再設定生成數量和創意度溫度值，點選批次生成。

目前這個工具支援兩類最核心的場景：文本分類和對話微調資料集。在免費介面的預設配置下，文本分類每分鐘能生成大概 50 條樣本，對話資料大約每分鐘 20 條。生成的資料會自動推送到 Hugging Face Hub 和內嵌的 Argilla 平臺，方便你直接進行語義搜尋、過濾和人工質檢。

最絕的是後半截。資料生成完之後，可以直接無縫對接 Hugging Face 的 AutoTrain 訓練平臺。哪怕用免費的 CPU 資源，也能在幾分鐘內把剛才那批合成數據訓成一個專用的分類模型，實現從一段話到最終可用模型的零程式碼閉環。

進階玩家也能自己魔改

對於覺得免費額度不夠用，或者對資料質量有更高要求的人，Hugging Face 也留了後門。

這個工具以 Apache 2 許可證完全開源，不僅可以在本地用 pip 命令直接安裝執行，還能直接把官方的 Space 空間複製一份到自己的私有賬號下。

只要在私有空間裡改幾個環境變數，你就能把預設的 Llama-3.1-8B-Instruct 換成更大的 70B 模型，甚至直接接入 OpenAI 的 gpt-4o 介面。你還可以調大批處理大小來加快生成速度，或者掛接自己搭建的私有 Argilla 例項。官方還透露，後續會陸續支援檢索增強生成和大模型評測資料集的生成。

為什麼重要

我們認為，Hugging Face 這次做的事情，本質上是在把高質量合成數據的製作門檻打到地面。

以往合成數據和模型微調是演算法工程師的專屬玩具，普通業務人員哪怕有極深厚的行業經驗，也沒法把業務知識快速轉化成訓練集。現在任何懂業務的人，花十幾分鍾打打字，就能弄出一批可用的微調樣本，這大幅降低了垂直領域定製 AI 的門檻。

更聰明的地方在於生態閉環。Hugging Face 沒有把這個工具做成孤島，而是把它當作一根針，把底層的 distilabel 框架、中間的資料標註平臺 Argilla、託管倉庫 Hub 以及訓練工具 AutoTrain 徹底串聯了起來。使用者原本只是想生成幾條資料玩玩，不知不覺就把整個 Hugging Face 技術棧全用了一遍。

當然，隱患也顯而易見。預設依靠 8B 模型自動生成無監督的合成數據，難免會出現事實幻覺和風格同質化的問題。如果使用者完全跳過 Argilla 的人工質檢，直接把合成數據一股腦送進 AutoTrain 訓模型，訓出來的結果很可能只是一個復讀機。但無論如何，對於想低成本快速驗證想法的人來說，這套工具非常值得現在就去試一試。