Qwen3-8B-Python-RAG-AgentCI
一个基于 Qwen3-8B 微调的中文 Python 学习与问答模型，结合 AgentCI-RAG 架构，从经典 Python 教材中自动构建高质量 QA 数据，用于增强模型在 Python 基础、进阶与工程实践方面的理解与表达能力。
📌 项目简介
本项目以 Qwen3-8B 为基座模型，使用自行实现的 AgentCI 改造版 RAG 系统，从多本经典 Python 中文教材中：
- 自动清洗文本
- 智能切分语义片段
- 构造高质量 Question–Answer 对
- 用于监督微调（SFT / QLoRA）
目标是得到一个：
- 更擅长中文 Python 学习场景
- 回答风格清晰、教学友好
- 理解教材式知识结构的通用 Python 助手模型。
🧠 基座模型
- Base Model：Qwen3-8B
- 语言：中文为主
- 微调方式：SFT（基于 RAG 自动构建 QA 数据）
- 参数规模：8B
📚 数据来源（文本级）
微调数据来源于以下公开出版的 Python 教材（仅用于研究与模型能力提升）：
- 《Python 基础教程 第3版》
- 《Python 编程：从入门到实践》
- 《Python 学习手册（原书第4版）》
- 《Python 设计模式 第2版》
- 《流畅的 Python（图灵程序设计丛书）》
- 《流畅的 Python》
⚠️ 说明：
- 本项目未直接发布原始书籍内容
- 仅使用清洗、重构后的 QA 数据用于模型训练
- 模型输出不保证与原文一一对应
🔧 数据构建流程（AgentCI-RAG）
数据并非人工编写，而是通过自研 AgentCI RAG 流程自动生成：
-
文本清洗
-
语义切分
- 基于语义长度与上下文完整性切块
- 避免硬切 token
-
QA 自动生成
- 基于切分文本生成教学向 QA
- 覆盖概念理解、示例解释、对比分析
-
质量过滤
-
用于模型 SFT 微调
🧪 模型能力特点
- ✅ 更擅长回答 Python 基础概念
- ✅ 对「为什么要这么写」解释更完整
- ✅ 偏教材式、教学式表达
- ✅ 适合：
