# 策展 · X (Twitter) 🔥🔥🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：Pietro Schirano (@skirano) · 平台：X (Twitter) · 日期：2026-07-11

> 原始來源：https://x.com/skirano/status/2075283308276220011

## 中文摘要

Pietro Schirano 使用 GPT‑5.6 規劃並執行完整訓練流程，在 Mac 本地端成功訓練出能模仿其 iMessage 對話風格的小型語言模型。

**核心開發流程**
Pietro Schirano 透過單一 prompt 指令，讓 GPT‑5.6 擔任架構師，為其 iMessage 歷史資料規劃了一套完整的訓練管線。該模型不僅負責撰寫詳細的實作步驟，還精確指導如何處理資料、編寫程式碼以及進行後續的 MLX 模型訓練。整個過程僅耗時約 30 分鐘，最終產出一個完全從零開始訓練（from scratch）的個人化模型。

**模型技術規格**
根據實測結果，該模型具備以下特性：
- 參數規模：1.38M 參數。
- 架構設計：4 層 decoder-only Transformer。
- 訓練資料：8M token 的個人 iMessage 歷史訊息。
- 標記器（Tokenizer）：自訂 4K token 的 byte-level BPE 標記器。
- 上下文視窗（Context Window）：256 token。
- 執行環境：完全在 Apple Silicon Mac 上透過 MLX 框架本地端訓練與執行。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/d5a369eb43d50917.jpg)
> 這是一份關於大型語言模型訓練階段的技術規格說明，詳細列出了資料處理方式、優化器參數及訓練排程設定。

**專案實作指引**
該專案已開源於 GitHub 專案 `texts-to-transformer`，提供了一套完整的本地端訓練工具鏈，使用者可透過以下步驟進行部署：

1. 環境準備與安裝：
   ```bash
   git clone https://github.com/Doriandarko/texts-to-transformer.git
   cd texts-to-transformer
   brew install uv
   uv sync
   uv run imessage-mlx doctor
   ```
2. 資料處理：執行 `uv run imessage-mlx snapshot --config configs/data.yaml` 建立安全資料庫快照，並透過 `prepare` 與 `privacy-audit` 指令進行去識別化與資料清洗。
3. 訓練模型：使用 `uv run imessage-mlx train` 搭配指定的 `configs/model-1m.yaml` 進行訓練。
4. 互動測試：訓練完成後，透過 `uv run imessage-mlx chat --model outputs/final` 即可在終端機與模型進行對話，模型會根據個人訊息風格生成回覆。

<video src="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1783729297759-ri0bxgrr.mp4" poster="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/19150cbed313aff6.jpg" controls playsinline preload="metadata" style="max-width:100%;height:auto;display:block;margin:1rem 0"></video>
> 這段影片展示了如何使用 MLX 在本地端執行一個基於個人 iMessage 資料訓練的小型語言模型。

**隱私與限制**
此專案強調隱私保護，所有資料處理均在本地端完成，且包含嚴格的去識別化機制，不會上傳任何原始訊息。開發者特別提醒，此模型僅為學習個人對話風格（語氣、節奏、慣用語）而設計，並不具備通用大型語言模型的推理能力或事實問答能力。使用者在執行前務必詳閱 `docs/privacy.md`，並確保在具備 FileVault 保護的環境下操作。

## 媒體內容

**這段影片展示了如何使用 MLX 在本地端執行一個基於個人 iMessage 資料訓練的小型語言模型。**

**影片中的 Prompt 與操作**

Prompt（00:03）：

```
嘿
```

原文：hey

Prompt（00:04）：

```
喲喲
```

原文：yo yo

Prompt（00:05）：

```
太棒了，衝啊
```

原文：Let's fucking goooo

Prompt（00:06）：

```
啊哈
```

原文：ahah

Prompt（00:07）：

```
你要回來了嗎
```

原文：Are you coming back

Prompt（00:08）：

```
健身房？
```

原文：gym?

Prompt（00:10）：

```
老兄，我必須做點像這樣的事
```

原文：Dude I had to do something like this

Prompt（00:12）：

```
不會吧
```

原文：no way

Prompt（00:14）：

```
還有你們要跟她一起去邁阿密嗎
```

原文：Also you guys going to Miami with her

操作步驟：

1. （00:03）輸入 hey
2. （00:04）輸入 yo yo
3. （00:05）輸入 Let's fucking goooo
4. （00:06）輸入 ahah
5. （00:07）輸入 Are you coming back
6. （00:08）輸入 gym?
7. （00:10）輸入 Dude I had to do something like this
8. （00:12）輸入 no way
9. （00:14）輸入 Also you guys going to Miami with her

## 標籤

LLM, 教學資源, 自動化, macOS, OpenAI, GPT, Apple