TheTensor 出品 · TheTensorTune v1.0

微调一个语言模型，从零到导出，只用一个文件

TheTensorTune 是一个跑在你自己机器上的工作台。带上数据集，选好模型，训练一个 LoRA 适配器，和结果对话，把它跟原模型对比，再导出一个能在 Ollama 和 llama.cpp 里跑的 GGUF 文件。没有账号，没有安装向导，任何数据都不离开你的电脑。

Apache-2.0 免费开源 · Windows、macOS 和 Linux · Python 3.10+

TheTensorTune node-graph workbench: model, dataset, LoRA, parameters, run, monitor and output blocks wired together

以下数字来自一次真实运行 · v1.0

整个应用，一个 .py 文件
915 KB
训练 loss（3 个 epoch）
4.0 → 1.4
perplexity：基础 → 微调后
55.6 → 8.9
q8_0 GGUF，可在 Ollama 运行
145 MB
应用内置课程数
12

01 · 这是什么

一个工作台，不是云服务

TheTensorTune 就是一个 Python 文件。运行它，浏览器里会打开一个工作台：一块画布，微调的每个阶段都是上面一个可以拖动、可以连线的方块。不用注册，不用配置控制台。应用和你的数据都只待在你自己的机器上，就这么多。

流程就是标准流程，只是不用跟终端打交道。你把数据带进来，程序在训练前先帮你检查它。你选一个模型、改几个设置——默认值对第一次运行来说已经是合理的。训练就在你眼前进行：用一张实时跳动的 loss 曲线代替刷屏的日志，途中还会自动存检查点。

一次运行结束后，大多数工具没做完的那部分就在这里：跟你刚训出来的模型聊几句，把它和基础模型并排摆放，从数字和文字两个层面看清差别，然后导出成一个文件，直接放进大家本来就在用的工具里。界面支持英语和波斯语，还有一套十二讲的图文教程装在应用里。

“一步操作如果能从终端命令变成画布上的方块，那它就该是方块。”

— TheTensor 开发日志，第 1 条

02 · 它能做什么

整个流程需要的一切，都在一块画布上

从「我有一点数据」到「我的模型跑在 Ollama 里」，TheTensorTune 替你包办十件事。

节点图工作台

模型、数据集、LoRA、参数、输出——每个阶段都是画布上一个可拖动的方块。从一个端口拉线到另一个端口就能连接，整条流水线始终尽收眼底。

真刀真枪的 LoRA / QLoRA 训练

底层是货真价实的 PEFT，带检查点、断点续训和早停——不是演示模型。从预置模型起步，或者直接填任意 Hugging Face 模型 ID。

数据集质量报告

点一下就能看到样本数、格式构成、重复项、检测到的语言和长度直方图，让坏数据在改起来最便宜的阶段就被抓住。

成本与时间估算

开跑之前，估算器根据你真实的数据集和设置算出：这次训练装不装得下、要多久、花多少钱。

队列与检查点

把多个任务排进队列，看着步数和实时 loss 走，干净地取消，再从检查点续上。任务之间自动释放内存。

测试对话

跟你微调出的模型多轮对话，有 Adapter、Merged、Base 三种模式，训练到底改了什么，聊两句就知道。

前后对比

基础模型和微调模型的困惑度、eval loss 并排摆着，同一个提示词两边各答一次。差别既体现在数字里，也体现在字里行间。

GGUF 导出

一键合并并量化为 f16、q8_0 或 K-quant。导出的文件保留分词器和元数据，回答跟你在应用里测的一模一样。

REST API + 签名 Webhook

界面里的每个功能都有对应的 API 路由。异步任务完成时可以回调 Webhook，带 HMAC-SHA256 签名，发件人一验便知。

应用内置教程

十二讲的图文教程就装在应用里，从第一次上传数据集到用 API 做自动化，英语和波斯语双语。

03 · 怎么用

从一段原始文本到一个跑起来的模型，共六步

全部旅程就是这些。每一步在教程区都有对应的一课，配着截图。

  1. 01

    带上数据集

    粘贴文本或上传文件：聊天记录、提示词/补全对，或者一行行的纯文本。「检查质量」会告诉你，你到底要拿什么去训练。

  2. 02

    挑一个模型

    从预置列表起步，在应用里直接搜 Hugging Face Hub，或者手填 org/name。受限模型需要你的令牌，而它只待在内存里。

  3. 03

    配置训练

    rank、alpha、学习率、轮数——每个设置都是方块里的一个字段，默认值在第一次运行时就能直接用。等有了理由再改。

  4. 04

    训练并观察

    按下 Start，loss 曲线实时画出来。往队列里加任务、取消任务，或者从检查点续跑，都行。

  5. 05

    对话并对比

    跟刚训好的模型聊聊，然后把它放到基础模型旁边：同一个提示词，两份回答，困惑度并排摆着。

  6. 06

    导出并运行

    一键合并、量化成一个 GGUF 文件。扔进 Ollama、llama.cpp 或 LM Studio，直接就能跑。

04 · 截图

应用的真实样子

下面每张图都是 TheTensorTune 1.0 实际跑起来时截的图——上传、训练、对话、对比、导出，一个不落。

05 · 常见问题

大家真的会问的问题

回答简短，不含糊。更长的版本在博客里。

TheTensor · TheTensorTune v1.0

拿走文件，跑一次试试

压缩包里是一个 Python 文件和它的文档。装好依赖、运行文件，工作台就在浏览器里打开了。到第 3 课，几分钟内你就能开始第一次训练。

Apache-2.0 免费开源 · Windows、macOS 和 Linux · Python 3.10+