datawhalechina / self-llm

问题：想体验或使用ChatGLM、Qwen等开源大模型，但缺乏Linux环境配置和部署经验

方案：项目提供针对不同模型的详细Linux环境配置步骤和本地部署教程，包括命令行调用和在线Demo搭建

示例：学生想在个人服务器上运行Qwen2模型进行文本生成，按照教程完成环境配置后，通过几行命令即可启动模型服务并调用

问题：需要针对特定领域（如客服、教育）微调大模型，但GPU资源有限，不懂LoRA等高效微调技术

方案：项目提供全参数和LoRA微调教程，覆盖Qwen、InternLM等主流模型，指导在消费级GPU上完成高效微调

示例：开发者想用《甄嬛传》台词微调一个角色对话模型，参考项目中的Chat-嬛嬛案例，使用LoRA在单卡GPU上完成训练

问题：想将开源LLM接入LangChain框架构建RAG或Agent应用，但不知如何配置和调用

方案：项目包含LangChain框架集成教程，展示如何将本地部署的模型封装为可调用的API，并嵌入到应用流程中

示例：构建一个知识库问答系统，按照教程将Qwen模型部署后，通过LangChain加载本地文档并实现检索增强生成

问题：面对众多开源模型（LLaMA、ChatGLM、InternLM等），不知如何选择，且每个模型环境配置各异

方案：项目提供50+模型的统一教程结构，从环境配置到部署微调全覆盖，方便快速对比和切换不同模型

示例：研究人员想评估Qwen3和DeepSeek-R1在数学推理上的表现，参考项目教程分别部署两个模型，并测试相同问题