To-do List
Catalog Description
data/: the raw dataset and processed data.
vector_store/: the index files of the vector database.
fine_tuned_adapter/: Stores the LoRA adapter files downloaded from the cloud (or locally fine-tuned).
src/: Stores the main Python source code modules of the project (e.g., data_utils.py, llm_loader.py, rag_chain.py, etc.).
scripts/: Stores auxiliary scripts (e.g., data download script download_data.py, fine-tuning execution script fine_tune.py, evaluation script evaluate.py).
evaluation_results/: Stores the reports or metric files generated by the evaluation script.
api/: Stores the FastAPI backend code.
frontend/: Stores the Gradio frontend code.
fine_tuning_output/: Stores the checkpoint files generated during the fine-tuning process.
待完成
Catalog Description
data/: 存放原始数据集文件 (.csv) 和处理后的数据 (processed_counsel_chat/)。
vector_store/: 存放向量数据库的索引文件。
fine_tuned_adapter/: 存放从云端下载回来的（或本地微调产生的）LoRA 适配器文件。
src/: 存放项目的主要 Python 源代码模块（例如 data_utils.py, llm_loader.py, rag_chain.py 等）。
scripts/: 存放辅助性的脚本（例如数据下载脚本 download_data.py, 微调执行脚本 fine_tune.py, 评估脚本 evaluate.py）。
evaluation_results/: 存放评估脚本生成的报告或指标文件。
api/: 存放 FastAPI 后端代码。
frontend/: 存放 Gradio 前端代码。
fine_tuning_output/: 存放微调过程中产生的 checkpoints 文件。
更新日志
0418 Yu：初始化仓库，写了点儿预处理
0419 Zhu: 数据预处理方式有修改，已上传重新处理后的数据集，提供了一个简单的RAG demo
0419 Yu：上传了基于Llama框架的基础RAG
