Euler Rap · 全栈与 AI 研发
细雨初晴
一句话训练脚本保存的是 LoRA adapter（一个几十 MB 的增量），不能直接用 AutoModelForCausalLM.from_pretrained 加载；必须先加载基座，再接 adapter，最后合并。触发条件用 PEFT / TRL 做 LoRA 微调，训练结束后 trainer.save_model 产出目录通常长这样：runs/sft_06b_label/ adapter_
细雨初晴
核心结论监督微调 (Supervised Fine-Tuning, SFT) 的成败几乎完全由数据的覆盖结构决定，而不是由数据量决定。用小模型在窄任务上超过前沿模型是可行的，但前提是该任务的难点必须是私有规则而非通用能力，并且训练数据必须覆盖规则被触发时的表面形态分布。一句话的操作判据：训练集里「表面形态」的分布必须和测试集一致；一旦不一致，模型就会去拟合表面形态，而不是真实规则。[WARNING
细雨初晴
一句话在长期使用、反复 pip install 的全局 Python 环境里做深度学习，最容易撞上的不是算法问题而是二进制 ABI 冲突：旧 torch 配新 numpy、再被间接导入的 torchvision 触发，报错位置离根因很远。正确做法是为每个训练项目建独立虚拟环境，并且不装用不到的可视化依赖。症状import transformers 时报出与 transformers 毫无关系的栈：
细雨初晴
WeKnora（维娜拉） 是由腾讯微信团队（WXG / 微信对话开放平台，官网 weknora.weixin.qq.com）主导开源的企业级知识管理与 AI 智能体（Agent）框架。基于 MIT 协议开源，项目核心定位在于突破传统“单纯切片做向量检索”的局限，深度融合 RAG 检索增强生成、ReAct Agent 自主推理 与 自动 Wiki/知识图谱生成 三大支柱。1. 核心架构与技术栈拆解
细雨初晴
目标在 Windows 上不装官方深信服 EasyConnect 客户端，通过 EZ4Connect 以本地 SOCKS5/HTTP 代理访问校园内网。官方客户端的痛点：写注册表、劫持系统代理、卸载残留；EZ4Connect 是绿色便携、代理端口化、可接 Clash。背景判断（先做这两件事）确认学校服务端是 EasyConnect 还是 aTrust：Web 登录端点 /por/login_psw