analysis-llm-v2

这是一个基于 DeepSeek-R1-Distill-Llama-8B 微调的前端需求分析模型。

模型描述

该模型专门用于生成前端技术分析文档，能够：

• 分析前端项目需求
• 生成详细的技术方案
• 提供页面路径规划
• 输出标准的前端项目结构

使用方法

使用HuggingFace格式

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

# 加载模型
model_name = "MANSTAGE/analysis-llm-v2"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype=torch.float16,
    device_map="auto"
)

# 推理
question = "请帮我生成一个企业管理系统"
inputs = tokenizer(question, return_tensors="pt").to(model.device)
outputs = model.generate(
    **inputs,
    max_new_tokens=1000,
    temperature=0.7,
    do_sample=True
)

response = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(response)

使用GGUF格式

本仓库包含多种GGUF量化格式：

• model_q4_0/ - 4位量化（最小文件大小）
• model_q4_k_m/ - 4位量化（平衡版本）
• model_q8_0/ - 8位量化（高质量）
• model_f16/ - 16位浮点（最高质量）

使用llama.cpp加载GGUF文件：

# 下载GGUF文件
wget https://huggingface.co/MANSTAGE/analysis-llm-v2/resolve/main/model_q4_0/unsloth.Q4_0.gguf

# 使用llama.cpp运行
./main -m unsloth.Q4_0.gguf -p "请帮我生成一个企业管理系统"

训练详情

• 基础模型: unsloth/DeepSeek-R1-Distill-Llama-8B
• 训练数据: 219条前端需求分析数据
• 训练步数: 100步
• 学习率: 2e-4
• LoRA配置: r=16, alpha=16, dropout=0.1
• 量化: 4-bit量化训练

文件说明

• final_model/ - HuggingFace格式的完整模型
• model_q4_0/ - 4位量化GGUF文件
• model_q4_k_m/ - 4位量化GGUF文件（平衡版）
• model_q8_0/ - 8位量化GGUF文件
• model_f16/ - 16位浮点GGUF文件

许可证

Apache 2.0