1. 零代码模型训练：通过直观的可视化界面即可完成从数据到模型的全流程，无需写任何代码。2. 自动架构选择与训练：Lobe 自动匹配最优的机器学习架构并开始训练，无需设置超参数。3. 图像分类识别：支持对图像整体进行分类，如识别昆虫、物体、场景等。4. 便捷数据标注：导入图片并为每类图片打上标签，即可快速构建训练数据集。5. 实时可视化评估：训练中可直观看到模型表现，发现错误时一键修正标签，快速提升准确率。6. 本地训练与隐私保护：模型在本机训练，无需联网或登录，数据不出设备。7. 多格式模型导出：训练完成后可导出为 ONNX、TensorFlow、Core ML 等格式，部署到应用、网站或树莓派等设备。

使用 Lobe 非常简单，只需五个步骤：第一步，在 Windows 或 Mac 电脑上下载并安装 Lobe 桌面应用；第二步，导入你想要识别的图片素材，并按类别进行分类标注（如"蜜蜂"与"黄蜂"）；第三步，点击训练按钮，Lobe 会自动选择架构并开始训练模型；第四步，通过实时可视化结果检查模型表现，对识别错误的图片进行纠正标注，反复迭代以提高准确率；第五步，训练满意后导出模型到目标平台，集成到你的应用、网页或边缘设备中即可投入使用。整个过程从零到第一个可用模型往往只需几分钟。

Lobe 的核心优势主要体现在五个方面：一是极低的使用门槛，面向零基础用户，几分钟内即可完成从零到一的模型训练，无需学习复杂的数学原理或深度学习框架；二是完全免费，无需付费订阅，训练在本地进行，不依赖云端算力也没有隐藏成本；三是自动化程度高，自动选架构、自动训练、自动调参，将复杂的机器学习流程压缩为"收集—标注—训练"三步；四是隐私安全，所有数据都留在本机，无需上传云端，适合对数据敏感的场合；五是快速迭代，实时可视化结果让用户能立刻发现模型错误并修正，快速提升准确率，同时开放的导出格式可灵活部署到网页、移动端和嵌入式设备。

Lobe 适合以下几类人群：一是没有编程经验但想尝试机器学习的个人爱好者，例如创客、蜂农、摄影师，可以用它做昆虫识别、动植物分类等趣味项目；二是需要快速搭建图像识别原型的中小型企业及非技术岗位人员，无需专门招聘算法工程师即可完成内部工具开发；三是教育工作者与学生，Lobe 是理想的 AI 入门教学工具，能让学生在几分钟内直观理解模型训练过程；四是数据科学团队中希望快速验证想法、减少重复性工作的人员；五是硬件创客，可将训练好的模型部署到树莓派等边缘设备，构建智能摄像头等物联网应用。

Q1：Lobe 现在还能下载使用吗？微软已宣布 Lobe 桌面应用停止开发（2024 年前后），官网及安装包已不再更新维护，新用户可能无法继续下载。Q2：Lobe 收费吗？完全免费，无任何订阅费用。Q3：Lobe 支持哪些数据类型？当前版本主要支持图像分类，官方曾计划扩展到目标检测等更多类型。Q4：训练数据会被上传到云端吗？不会，所有训练均在本地完成，无需联网或登录，数据完全私密。Q5：训练好的模型如何部署？可导出为 ONNX、TensorFlow、Core ML 等格式，部署到应用、网站或边缘设备。Q6：训练需要高配置电脑吗？普通 Windows/Mac 电脑即可运行，配备 GPU 可加速训练，但并非必需。