一个超轻量级AI模型+从零开始自己训练!🚀
Note
本教程意在用浅显易懂的语言教使用者快速打造自己的AI模型，如有不对请指出
截至目前(2025/11/9)，最新的ministarAI模型已经可以生成连续的短句，并成功在移动端部署，但经常答非所问。
1.环境准备
安装Python
请自己解决
创建虚拟环境(可选但推荐)
#创建虚拟环境
python -m venv myenv
#激活虚拟环境
windows: myenv\Scripts\activate
linux: source myenv/bin/activate
创建一个文件夹(什么名字都可以，cd 进入)
然后克隆仓库
git clone https://github.com/kjmjh/ministar.git
(注:由于模型很小，提前放好了默认模型，有其他需要请去Releases里下载)
安装需要的库
pip install -r requirements.txt
2.运行对话(注:要把所有文件都放在同一个目录!代码是这样写的)
python chat_ministar.py
或使用web对话:
streamlit run web_chat.py
🎉恭喜你成功运行ministar!
截至2025/11/9，ministar已经成功在移动端部署。文档尽请期待
AI大模型时代，自己打造一个轻量AI模型已经成为现实。接下来，以本人硬件速度来说，可以让你<30分钟打造自己的AI模型(好不好用不好说，但“用乐高拼出一架飞机，远比坐在头等舱里飞行更让人兴奋！”——minimind)
1.环境准备
pip install -r requirements.txt
2.准备数据集
这里，我是用的是ShareGPT中的一个子集:computer_zh_26k.jsonl 并转换为alpaca格式，提取其前2000条对话，其格式大概是这样的:
{"instruction": "你是谁？", "input": "", "output": "我是ministar，是一个小型语言模型。我可以帮助提供信息，回答问题和生成文本。今天我能为您做些什么？"}
当然你也可以准备自己的数据集! 如果你需要我使用的数据集，请在issues里反馈。
3.开始训练
git clone https://github.com/kjmjh/ministar
(其实你之前已经git过了)
python train_ministar.py
#注:需要把你的数据集重命名为computer_zh_2k_alpaca.jsonl，tokenizer默认保存为ministar_tokenizer.json
你可以自行在代码里更改名称，大约在132,164,168行(train_ministar.py)。
模型权重默认保存为ministar.pth,你可以在大约186,188,212,213行(train_ministar.py)里根据你的实际情况更改。并且在chat_ministar里也要改为一样的!
新增newtrain_ministar.py，用于小模型向大模型(gpt5-nano)学习。
其它特别参数请查看代码，那里我尽量写了详细注释
4.运行AI模型
python chat_ministar.py
#确保模型权重文件，tokenizer等等都在同一个目录下，这很重要!
或启动web对话: streamlit run web_chat.py
5.*(可选):可以运行
python safe_ministar.py
#代码里默认寻找的文件名为"ministar.pth"，保存为"model.safetensors",请根据你的实际情况修改代码，或者原封不动
将模型权重文件转换为safetensors格式
至于为什么这样做，请自行搜索
🎉恭喜你，成功训练了一个轻量AI模型!
敬请期待
本项目使用GPL-2.0开源协议。你可以自由使用本项目，并进行二次分发。但你的分发项目也必须开源并使用和本项目相同的开源协议。
这意味着本项目限制商用!
请遵守，谢谢。
作者还只是一个初中生呢，能不能点个star支持一下ヽ(⌒∇⌒)ﾉ