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。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其中包括nl2bash和InferredBugs等經(jīng)典基準任務。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 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閉環(huán)。第 4 步驗證訓練效果訓練完成后用終端任務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git 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。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其中包括nl2bash和InferredBugs等經(jīng)典基準任務。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 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閉環(huán)。第 4 步驗證訓練效果訓練完成后用終端任務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git 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