教程：從零訓練你的第一個終端Agent模型)
【免費下載鏈接】Qwen3.8-27B-multi-turn-agent-sft項目地址https://ai.gitcode.com/hf_mirrors/ukisai/Qwen3.8-27B-multi-turn-agent-sft點擊查看免費下載一、這個數(shù)據(jù)集是做什么的Qwen3.8-27B-multi-turn-agent-sft是歐洲研究團隊 UkisAI 開源的一份Agent 監(jiān)督微調(diào)SFT數(shù)據(jù)集專門用于訓練大模型完成終端操作、編碼與軟件工程任務(wù)。它基于 OpenThoughts-Agent-v1-SFT 數(shù)據(jù)集的思路構(gòu)建全部軌跡由Qwen3.8-27BFP16在 Terminus-2 agentic harness 中真實運行生成共包含約15,200 條多輪 Agent 軌跡覆蓋終端、編碼和軟件工程三大類任務(wù)其中包括nl2bash和InferredBugs等經(jīng)典基準任務(wù)。簡單說你用它做 SFT就能讓模型學會像人一樣操作終端、調(diào)用工具、修 bug。項目信息詳見 README.md核心數(shù)據(jù)文件為 qwen38-agent-sft-combined-100pct.parquet。二、數(shù)據(jù)集核心特性一覽維度說明軌跡數(shù)量約 15,200 條 Agent traces生成模型Qwen3.8-27BFP16運行框架Terminus-2 agentic harness任務(wù)類型終端操作、編碼、軟件工程nl2bash、InferredBugs 等文件格式Parquet100pct表示全量 100% 數(shù)據(jù)許可證Apache-2.0可自由使用與改進 這份數(shù)據(jù)的設(shè)計定位是訓練的第一階段SFT 冷啟動先用強教師 Agent 的軌跡讓模型掌握如何與環(huán)境交互之后再進入強化學習階段。這正是 OpenThoughts-Agent 項目驗證過的兩階段訓練路線。三、開始前的準備工作 ?1. 硬件建議顯存完整微調(diào) 27B 級別模型需要多卡環(huán)境新手推薦使用LoRA / QLoRA 微調(diào)單卡 24GB如 RTX 3090/4090即可起步。存儲預(yù)留至少 20GB 磁盤空間存放模型權(quán)重與數(shù)據(jù)。2. 獲取數(shù)據(jù)集git clone https://gitcode.com/hf_mirrors/ukisai/Qwen3.8-27B-multi-turn-agent-sft.git克隆后你會得到兩個文件README.md數(shù)據(jù)集說明與用途qwen38-agent-sft-combined-100pct.parquet全量軌跡數(shù)據(jù)約 145MB通過 Git LFS 存儲3. 環(huán)境依賴pip install pandas pyarrow四、實戰(zhàn)步驟訓練你的第一個終端 Agent 模型 第 1 步檢查數(shù)據(jù)結(jié)構(gòu)先用幾行代碼確認數(shù)據(jù)能正常讀取注意該文件為 Parquet 格式需用pandas或pyarrow加載不能當普通文本打開import pandas as pd df pd.read_parquet(qwen38-agent-sft-combined-100pct.parquet) print(df.shape) print(df.columns.tolist()) print(df.iloc[0]) # 查看第一條軌跡每條軌跡記錄了 Agent 在終端中多輪交互的完整過程任務(wù)指令 → 模型思考與命令生成 → 終端輸出 → 下一步動作……這種指令-動作-反饋的結(jié)構(gòu)就是 SFT 訓練的核心素材。第 2 步整理成微調(diào)格式把軌跡轉(zhuǎn)換為你的訓練框架需要的格式通常是instruction / input / output或messages多輪對話結(jié)構(gòu)。以 messages 格式為例思路如下# 偽代碼把一條軌跡拆成多輪 messages for turn in trace: if turn.role assistant: messages.append({role: assistant, content: turn.content}) # 只訓練 assistant 部分 else: messages.append({role: user, content: turn.content})?? 關(guān)鍵原則loss 只計算 assistant模型輸出的 token用戶消息和終端輸出部分應(yīng) mask 掉否則會教模型背誦環(huán)境。第 3 步配置訓練參數(shù)LoRA 快速起步以 LLaMA-Factory、ms-swift 等主流框架為例推薦的新手超參參數(shù)推薦值說明微調(diào)方式LoRA / QLoRA省顯存新手首選LoRA rank8 ~ 32太大易過擬合小數(shù)據(jù)學習率1e-4 ~ 5e-5LoRA全量微調(diào)則用 1e-5 量級訓練輪數(shù)2 ~ 3 epochs多輪軌跡長1 epoch 即可看到效果上下文長度8192 ~ 32768終端軌跡較長務(wù)必開夠精度bf16 / fp16數(shù)據(jù)即由 FP16 模型生成精度對齊上下文長度是最容易被忽視的坑Agent 軌跡包含多輪終端輸出截斷過短會讓模型學不到完整的任務(wù)閉環(huán)。第 4 步驗證訓練效果訓練完成后用終端任務(wù)做人工評測讓模型在干凈的終端環(huán)境中執(zhí)行簡單指令如列出當前目錄大于 1MB 的文件并排序觀察它是否輸出可直接執(zhí)行的 bash 命令而非解釋性文字檢查多輪場景當命令報錯時模型能否根據(jù)報錯信息自我修正。五、常見問題解答 ?Q1為什么用 Qwen3.8-27B 生成的軌跡來訓練強模型生成的軌跡質(zhì)量更高屬于教師-學生蒸餾式冷啟動。數(shù)據(jù)由 FP16 精度模型生成與主流訓練精度匹配無量化噪聲。Q215,200 條數(shù)據(jù)夠訓練嗎對于 SFT 冷啟動足夠——階段目標是學會交互格式與工具使用習慣而非刷高基準分數(shù)。后續(xù)可疊加更多數(shù)據(jù)或進入 RL 階段。Q3可以直接拿來做強化學習RL嗎可以。README.md 中明確說明該數(shù)據(jù)集可作為進一步后訓練或強化學習的起點與 OpenThoughts-Agent 的兩階段路線一致。Q4Parquet 文件為什么打不開qwen38-agent-sft-combined-100pct.parquet 通過 Git LFS 存儲clone 時必須安裝 Git LFS 并執(zhí)行g(shù)it lfs pull否則只會下載到 134 字節(jié)的指針文件。六、總結(jié) Qwen3.8-27B-multi-turn-agent-sft提供約 15,200 條真實終端 Agent 軌跡Apache-2.0 協(xié)議免費使用新手路線LoRA 微調(diào) mask 非模型 token 足夠的上下文長度三步即可讓模型具備終端操作能力進階路線SFT 冷啟動之后可接入強化學習進一步提升任務(wù)成功率遇到問題或有好點子歡迎到項目 Issue 區(qū)反饋交流。動手試試吧你的第一個會敲命令的 Agent 模型離你只隔一次訓練的距離贊分享【免費下載鏈接】Qwen3.8-27B-multi-turn-agent-sft項目地址https://ai.gitcode.com/hf_mirrors/ukisai/Qwen3.8-27B-multi-turn-agent-sft點擊查看免費下載相關(guān)推薦Qwen3.8-27B-multi-turn-agent-sft vs OpenThoughts-Agent-v1-SFT兩大 Agent 數(shù)據(jù)集終極對比Qwen3.8 27B multi turn agent sft vs OpenThoughts Agent v1 SFT兩大 Agent 數(shù)據(jù)集終極對比 Q多輪Agent交互設(shè)計從Qwen3.8-27B-multi-turn-agent-sft軌跡提煉終端操作最佳實踐多輪Agent交互設(shè)計從Qwen3.8 27B multi turn agent sft軌跡提煉終端操作最佳實踐 Qwen3.8 27B multi turn避坑指南使用Qwen3.8-27B-multi-turn-agent-sft訓練的7個常見問題與解決方案避坑指南使用Qwen3.8 27B multi turn agent sft訓練的7個常見問題與解決方案 本文是 Qwen3.8 27B multi turn上一篇終極網(wǎng)盤下載加速指南9大平臺直鏈下載助手完整教程下一篇SQLyog社區(qū)版免費開源的MySQL數(shù)據(jù)庫管理終極指南創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考 Qwen3.8-27B-multi-turn-agent-sft實戰(zhàn)教程：從零訓練你的第一個終端Agent模型
【免費下載鏈接】Qwen3.8-27B-multi-turn-agent-sft項目地址https://ai.gitcode.com/hf_mirrors/ukisai/Qwen3.8-27B-multi-turn-agent-sft點擊查看免費下載一、這個數(shù)據(jù)集是做什么的Qwen3.8-27B-multi-turn-agent-sft是歐洲研究團隊 UkisAI 開源的一份Agent 監(jiān)督微調(diào)SFT數(shù)據(jù)集專門用于訓練大模型完成終端操作、編碼與軟件工程任務(wù)。它基于 OpenThoughts-Agent-v1-SFT 數(shù)據(jù)集的思路構(gòu)建全部軌跡由Qwen3.8-27BFP16在 Terminus-2 agentic harness 中真實運行生成共包含約15,200 條多輪 Agent 軌跡覆蓋終端、編碼和軟件工程三大類任務(wù)其中包括nl2bash和InferredBugs等經(jīng)典基準任務(wù)。簡單說你用它做 SFT就能讓模型學會像人一樣操作終端、調(diào)用工具、修 bug。項目信息詳見 README.md核心數(shù)據(jù)文件為 qwen38-agent-sft-combined-100pct.parquet。二、數(shù)據(jù)集核心特性一覽維度說明軌跡數(shù)量約 15,200 條 Agent traces生成模型Qwen3.8-27BFP16運行框架Terminus-2 agentic harness任務(wù)類型終端操作、編碼、軟件工程nl2bash、InferredBugs 等文件格式Parquet100pct表示全量 100% 數(shù)據(jù)許可證Apache-2.0可自由使用與改進 這份數(shù)據(jù)的設(shè)計定位是訓練的第一階段SFT 冷啟動先用強教師 Agent 的軌跡讓模型掌握如何與環(huán)境交互之后再進入強化學習階段。這正是 OpenThoughts-Agent 項目驗證過的兩階段訓練路線。三、開始前的準備工作 ?1. 硬件建議顯存完整微調(diào) 27B 級別模型需要多卡環(huán)境新手推薦使用LoRA / QLoRA 微調(diào)單卡 24GB如 RTX 3090/4090即可起步。存儲預(yù)留至少 20GB 磁盤空間存放模型權(quán)重與數(shù)據(jù)。2. 獲取數(shù)據(jù)集git clone https://gitcode.com/hf_mirrors/ukisai/Qwen3.8-27B-multi-turn-agent-sft.git克隆后你會得到兩個文件README.md數(shù)據(jù)集說明與用途qwen38-agent-sft-combined-100pct.parquet全量軌跡數(shù)據(jù)約 145MB通過 Git LFS 存儲3. 環(huán)境依賴pip install pandas pyarrow四、實戰(zhàn)步驟訓練你的第一個終端 Agent 模型 第 1 步檢查數(shù)據(jù)結(jié)構(gòu)先用幾行代碼確認數(shù)據(jù)能正常讀取注意該文件為 Parquet 格式需用pandas或pyarrow加載不能當普通文本打開import pandas as pd df pd.read_parquet(qwen38-agent-sft-combined-100pct.parquet) print(df.shape) print(df.columns.tolist()) print(df.iloc[0]) # 查看第一條軌跡每條軌跡記錄了 Agent 在終端中多輪交互的完整過程任務(wù)指令 → 模型思考與命令生成 → 終端輸出 → 下一步動作……這種指令-動作-反饋的結(jié)構(gòu)就是 SFT 訓練的核心素材。第 2 步整理成微調(diào)格式把軌跡轉(zhuǎn)換為你的訓練框架需要的格式通常是instruction / input / output或messages多輪對話結(jié)構(gòu)。以 messages 格式為例思路如下# 偽代碼把一條軌跡拆成多輪 messages for turn in trace: if turn.role assistant: messages.append({role: assistant, content: turn.content}) # 只訓練 assistant 部分 else: messages.append({role: user, content: turn.content})?? 關(guān)鍵原則loss 只計算 assistant模型輸出的 token用戶消息和終端輸出部分應(yīng) mask 掉否則會教模型背誦環(huán)境。第 3 步配置訓練參數(shù)LoRA 快速起步以 LLaMA-Factory、ms-swift 等主流框架為例推薦的新手超參參數(shù)推薦值說明微調(diào)方式LoRA / QLoRA省顯存新手首選LoRA rank8 ~ 32太大易過擬合小數(shù)據(jù)學習率1e-4 ~ 5e-5LoRA全量微調(diào)則用 1e-5 量級訓練輪數(shù)2 ~ 3 epochs多輪軌跡長1 epoch 即可看到效果上下文長度8192 ~ 32768終端軌跡較長務(wù)必開夠精度bf16 / fp16數(shù)據(jù)即由 FP16 模型生成精度對齊上下文長度是最容易被忽視的坑Agent 軌跡包含多輪終端輸出截斷過短會讓模型學不到完整的任務(wù)閉環(huán)。第 4 步驗證訓練效果訓練完成后用終端任務(wù)做人工評測讓模型在干凈的終端環(huán)境中執(zhí)行簡單指令如列出當前目錄大于 1MB 的文件并排序觀察它是否輸出可直接執(zhí)行的 bash 命令而非解釋性文字檢查多輪場景當命令報錯時模型能否根據(jù)報錯信息自我修正。五、常見問題解答 ?Q1為什么用 Qwen3.8-27B 生成的軌跡來訓練強模型生成的軌跡質(zhì)量更高屬于教師-學生蒸餾式冷啟動。數(shù)據(jù)由 FP16 精度模型生成與主流訓練精度匹配無量化噪聲。Q215,200 條數(shù)據(jù)夠訓練嗎對于 SFT 冷啟動足夠——階段目標是學會交互格式與工具使用習慣而非刷高基準分數(shù)。后續(xù)可疊加更多數(shù)據(jù)或進入 RL 階段。Q3可以直接拿來做強化學習RL嗎可以。README.md 中明確說明該數(shù)據(jù)集可作為進一步后訓練或強化學習的起點與 OpenThoughts-Agent 的兩階段路線一致。Q4Parquet 文件為什么打不開qwen38-agent-sft-combined-100pct.parquet 通過 Git LFS 存儲clone 時必須安裝 Git LFS 并執(zhí)行g(shù)it lfs pull否則只會下載到 134 字節(jié)的指針文件。六、總結(jié) Qwen3.8-27B-multi-turn-agent-sft提供約 15,200 條真實終端 Agent 軌跡Apache-2.0 協(xié)議免費使用新手路線LoRA 微調(diào) mask 非模型 token 足夠的上下文長度三步即可讓模型具備終端操作能力進階路線SFT 冷啟動之后可接入強化學習進一步提升任務(wù)成功率遇到問題或有好點子歡迎到項目 Issue 區(qū)反饋交流。動手試試吧你的第一個會敲命令的 Agent 模型離你只隔一次訓練的距離贊分享【免費下載鏈接】Qwen3.8-27B-multi-turn-agent-sft項目地址https://ai.gitcode.com/hf_mirrors/ukisai/Qwen3.8-27B-multi-turn-agent-sft點擊查看免費下載相關(guān)推薦Qwen3.8-27B-multi-turn-agent-sft vs OpenThoughts-Agent-v1-SFT兩大 Agent 數(shù)據(jù)集終極對比Qwen3.8 27B multi turn agent sft vs OpenThoughts Agent v1 SFT兩大 Agent 數(shù)據(jù)集終極對比 Q多輪Agent交互設(shè)計從Qwen3.8-27B-multi-turn-agent-sft軌跡提煉終端操作最佳實踐多輪Agent交互設(shè)計從Qwen3.8 27B multi turn agent sft軌跡提煉終端操作最佳實踐 Qwen3.8 27B multi turn避坑指南使用Qwen3.8-27B-multi-turn-agent-sft訓練的7個常見問題與解決方案避坑指南使用Qwen3.8 27B multi turn agent sft訓練的7個常見問題與解決方案 本文是 Qwen3.8 27B multi turn上一篇終極網(wǎng)盤下載加速指南9大平臺直鏈下載助手完整教程下一篇SQLyog社區(qū)版免費開源的MySQL數(shù)據(jù)庫管理終極指南創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考