获取文件

下载 TheTensorTune 1.0

一个压缩包：一个 Python 文件、依赖清单和文档。从下载到工作台只要四条命令——其中一条还是 cd。

TheTensorTune_v1.0.zip

python TheTensorTune.py

下载压缩包

版本: 1.0.0 (stable)
大小: 495 KB
许可证: Apache-2.0
SHA-256: 66b09ce82c74602f6884…

压缩包里有 TheTensorTune.py、INSTALL.md、LICENSE 和 requirements.txt。就这些——程序也不会连接任何其他服务器。

开始之前

你的机器需要什么

项目	最低	推荐
Python	3.10	3.12
磁盘	首次运行约 2 GB（依赖库 + 一个小模型）	要训练更大的模型就多留一些
操作系统	Linux / macOS / Windows	Linux

安装

四条命令，直达工作台

1

1 · 解压并进入

解开下载的压缩包，进入目录。虚拟环境能让你的全局 Python 保持干净。

unzip TheTensorTune_v1.0.zip -d thetensortune && cd thetensortune
python3 -m venv .venv
source .venv/bin/activate   # Windows: .venv\Scripts\activate

2
2 · 安装六个依赖
Flask 负责界面；torch、transformers、peft、accelerate 负责训练；safetensors 负责权重。清单到此为止。
```
pip install flask==3.1.3 torch transformers==5.17.0 peft==0.21.0 \
  accelerate==1.15.0 safetensors==0.8.0 "huggingface_hub>=0.30"
```
3
3 · 运行
这就是全部的「构建」步骤。工作台会在一个空闲的本地端口打开，datasets/、runs/ 和一个小型 SQLite 历史文件会出现在旁边。
```
python TheTensorTune.py
```
4
4 · 进去之后的第一步
如果机器是共用的就设置 TT_TOKEN，用 FA/EN 键切换语言，然后打开 Learn——剩下的交给十二讲的教程。

配置

环境变量

TT_TOKEN: 服务令牌。设置后所有 /api/* 路由都要求携带（X-TT-Token 头）。在共享网络里务必设置。
TT_PORT: HTTP 端口。默认自动挑一个空闲端口。
TT_HOST: 绑定地址，默认 127.0.0.1。局域网用 0.0.0.0——但必须配合令牌，没有例外。
TT_HEADLESS: 1 = 不打开浏览器。给服务器和容器用。
TT_DEBUG: 1 = 更啰嗦的日志。
TT_LLAMA_CPP: llama-quantize 的路径，q4_k_m 之类 K-quant 需要。f16 和 q8_0 用不着。
TT_WEBHOOK_ALLOW_PRIVATE: 1 = 允许 Webhook 回调私有/回环地址，用于纯本地自动化。
HF_TOKEN: 受限模型的 Hugging Face 令牌。也可以填在模型方块里，绝不落盘。

安全说明

它保护了什么，用人话讲

01数据集 ID 被锁死在 datasets/ 文件夹里——没有路径穿越。
02所有 HTML 在客户端转义；没有存储型 XSS。
03Webhook：SSRF 过滤、CRLF 剥离、每条通知都带 HMAC-SHA256 签名。
04令牌以常数时间比较，绝不出现在查询字符串或日志里。
05浏览器 POST 请求做 Origin 校验，防 CSRF。
06你的 HF 令牌只活在本次会话的内存里——落盘的运行配置里永远没有它。