用途：把 ePub 书籍转成 SFT 数据集，并训练能模仿某位作者文风的风格迁移模型，适用于为 Tinker 等 SFT 平台准备训练数据、构建作者语气模型、为长文本设计分段流程，以及在有限数据上训练 8B 及以下小模型。
主要能力：流程由编排代理协调抽取、分段、指令生成、数据集构建、训练与验证六个阶段。抽取阶段从 ePub 的 <p> 标签按段落取文本，去除版权页和目录；分段阶段按自然边界切成 150-400 词、带重叠的块；指令生成阶段用快速廉价 LLM 生成 2-3 句场景描述，不直接引用原文；数据集阶段为每块生成多个变体，使用 15+ 提示模板与 5+ 系统提示，输出 messages 格式 JSONL；训练阶段在 Tinker 上用 LoRA 微调基座模型；验证阶段用现代场景测试和原创性检查判断是学到风格还是记住内容。
使用方式：按阶段执行，抽取示例使用 epub2 与 BeautifulSoup；分段函数按 min_words=150、max_words=400 切块并保留重叠；训练配置为 Qwen/Qwen3-8B-Base、lora_rank 32、learning_rate 5e-4、batch_size 4、epochs 3，通过 tinker 客户端创建 LoRA 训练客户端并执行 forward_backward_async 与 optim_step_async，最后 save_weights_for_sampler_async 保存权重。
适用场景与限制：适合单本书生成 500-1000 条训练样本、约 15 分钟训练、适配器约 350MB 的小规模风格迁移实验。已知问题包括角色名泄漏、逐字复述原文、输出碎片化，对应措施为多书训练、增加提示多样性、限制 3 个 epoch、始终按段落边界切分。资料未提供官方安装命令、完整 API 细节与平台支持范围。