我是做电商平台的，准备训练本地垂直小模型，用于AI客服，如何采集训练数据？

这题我会，现在小模型会渐渐成为垂直领域AI应用趋势，尤其是像电商、客服、游戏这类场景，因为大模型不了解你的客户，对行业知识不专业，所以需要大量行业数据训练小模型。
我给公司做过商品竞争力分析的小模型，说说我是怎么采集数据和训练模型的，供参考。
1、确定数据范围：某电商平台的商品标题、详情描述、规格参数、价格、图片、用户评论等，以及某社交平台关于商品的帖子。
2、采集数据：我是用的亮数据爬虫API，它是那种一键采集的模式，只需要通过requests提交商品url就可以获取结构化json数据。
你不需要处理网站的反爬措施，因为亮数据的接口已经内置了处理IP封锁、验证码的技术，可以绕过自动化程序检测，所以相对稳定。
3、数据清洗：将数据整理成模型训练需要的标准格式，包含“指令”（任务描述）、“输入”（用户问题）和“输出”（理想回答）的json文件
4、训练模型，可以采用transform模型