Node.js执行Vertex AI微调作业：权限错误及参数无效问题排查

一、权限问题处理 #

你使用的专用服务账号当前拥有Vertex AI Service Agent和Service Accounts User角色，但仍无法扮演默认Compute Engine服务账号，需补充以下配置：

• 给专用服务账号添加**roles/iam.serviceAccountUser**角色，绑定目标为默认Compute Engine服务账号（${projectID}-compute@developer.gserviceaccount.com），允许其扮演该账号。
• 确保专用服务账号拥有GCS存储桶的访问权限：添加roles/storage.objectAdmin（或更细粒度的storage.objects.get用于读取训练数据、storage.objects.create用于写入输出）。
• 再次确认默认Compute Engine服务账号已启用，且Compute Engine API处于激活状态。

二、无效参数问题排查 #

针对Error: 3 INVALID_ARGUMENT:错误，按以下步骤逐一排查：

1. 模型兼容性验证 #

请求中使用gemini-1.0-pro-002作为source_model，但该模型暂不支持通过Pipeline作业微调。需改回目标模型text-bison@001，只有PaLM系列部分模型支持这种微调方式。

2. 核心参数校验 #

• 训练数据集：确认gs://${input}/${file}路径正确，JSONL文件格式为每行{"text": "训练内容"}，且服务账号能读取该路径。
• 输出目录：检查gs://${output}桶存在，服务账号有写入权限，路径格式无需末尾斜杠。
• 超参数取值：epochs（1-10）、learning_rate_multiplier（0.1-10）当前取值合规，可尝试用默认值（如epochs=3）测试是否为参数取值导致的问题。

3. PipelineJob结构补全 #

提交的请求缺少必填的pipelineSpec字段，Vertex AI Pipeline需要指定官方微调流水线模板。需在pipelineJob中添加：

"pipelineSpec": {
  "uri": "gs://google-cloud-aiplatform/schema/matching_engine/pipeline/fine_tuning_text_model_20230801_1.0.0.json"
}

4. 日志定位具体错误 #

登录GCP控制台，进入Vertex AI > 流水线，找到失败作业查看详细日志（如Worker日志），日志会明确标注无效参数的具体原因，比如路径不存在、格式错误等。

三、修正后的代码关键片段 #

确保pipelineJob包含完整的流水线定义：

const pipelineJob = {
  "displayName": modelDisplayName,
  "pipelineSpec": {
    "uri": "gs://google-cloud-aiplatform/schema/matching_engine/pipeline/fine_tuning_text_model_20230801_1.0.0.json"
  },
  "runtimeConfig": runtimeConfig,
};

内容的提问来源于stack exchange，提问作者Pierre Bressand