作者： GitHub黑板报 来源： GitHub黑板报

【公众号回复 “1024 ”，免费领取程序员赚钱实操经验】

大家好，我是章鱼猫！

背景介绍

在实时金融咨询领域，我们经常面临如何高效准确地分析和回应用户问题这样的复杂任务，同时，如何将最新的金融新闻与用户的咨询内容结合起来，以产生更深入、更贴近当前金融形势的答复，也是一项挑战。随着现在大语言模型的出现，是一个很好解决以上问题的方法，但是许多开发者可能在如何配置和部署相关大模型系统上会遇到困难，这可能导致开发的效率和效果下降。

今天要给大家推荐一个 GitHub 开源项目 iusztinpaul/hands-on-llms，该项目在 GitHub 有差不多 1000 Star，用一句话介绍该项目就是：“𝗟𝗲𝗮𝗿𝗻 about 𝗟𝗟𝗠𝘀, 𝗟𝗟𝗠𝗢𝗽𝘀, and 𝘃𝗲𝗰𝘁𝗼𝗿 𝗗𝗕𝘀 for free by designing, training, and deploying a real-time financial advisor LLM system ~ 𝘴𝘰𝘶𝘳𝘤𝘦 𝘤𝘰𝘥𝘦 + 𝘷𝘪𝘥𝘦𝘰 & 𝘳𝘦𝘢𝘥𝘪𝘯𝘨 𝘮𝘢𝘵𝘦𝘳𝘪𝘢𝘭𝘴”。

项目介绍

hands-on-llms 是一款用于设计、训练和部署实时金融咨询语料库模型（LLM）系统的开源项目，可帮助您免费学习并理解语料库模型、语料库操作（LLMOps）和向量数据库等内容。本项目由以下几部分构成：训练引擎、实时特性流处理流水线、推理流水线和财务问答数据集。在这些部分中，您将学到如何加载专有的问答数据集，使用 QLoRA 微调开源 LLM，同时利用 Comet ML 记录训练实验和推理结果，最后将最好的模型存储在 Comet ML 的模型注册中心。此外，此项目值得一提的是，其在解决复杂的金融咨询任务上表现出色，结合了语言链技术和以用户问题为输入的推理模型，以提供富有洞见的金融建议。

以下是对应的系统的架构：

architecture

微调流程：

推理流程：

如何使用

首先，需要设置外部服务，包括 Alpaca、Qdrant、Comet ML、Beam、AWS 等。然后，仅需下载项目代码并按照 README 文件中的步骤进行操作即可。请注意，如果您没有满足项目需求的硬件配置，我们会向您展示如何将训练流水线部署到 Beam 的无服务器架构中并在那里训练 LLM。

项目推介

该项目可有效地解决我们在实时金融咨询中面临的问题，受到许多开发者和用户的积极反响，也因此获得了大量的星星关注。

以下是该项目 Star 趋势图（代表项目的活跃程度）：

更多项目详情请查看如下链接。

开源项目地址：https://github.com/iusztinpaul/hands-on-llms

开源项目作者：iusztinpaul

最近，章鱼猫建了一个「GitHub 精选交流群」，欢迎大家一起交流优秀开源项目，也可以宣传自己的开源项目，在 「GitHub 黑板报」公众号后台回复【加群 】邀请你入群。

点击下方公众号卡片，即可关注我，每天为大家推送优质开源项目，在对话框回复关键字，即可加群。

更多AI工具，参考Github-AiBard123，国内AiBard123