[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-InternLM--Tutorial":3,"tool-InternLM--Tutorial":61},[4,18,26,36,44,52],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",141543,2,"2026-04-06T11:32:54",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107888,"2026-04-06T11:32:50",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[35,15,13,14],{"id":53,"name":54,"github_repo":55,"description_zh":56,"stars":57,"difficulty_score":10,"last_commit_at":58,"category_tags":59,"status":17},4292,"Deep-Live-Cam","hacksider\u002FDeep-Live-Cam","Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。\n\n这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。\n\n其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。",88924,"2026-04-06T03:28:53",[14,15,13,60],"视频",{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":72,"owner_avatar_url":73,"owner_bio":74,"owner_company":75,"owner_location":75,"owner_email":76,"owner_twitter":77,"owner_website":78,"owner_url":79,"languages":80,"stars":85,"forks":86,"last_commit_at":87,"license":75,"difficulty_score":32,"env_os":88,"env_gpu":89,"env_ram":90,"env_deps":91,"category_tags":102,"github_topics":75,"view_count":32,"oss_zip_url":75,"oss_zip_packed_at":75,"status":17,"created_at":104,"updated_at":105,"faqs":106,"releases":137},4369,"InternLM\u002FTutorial","Tutorial","LLM&VLM Tutorial","Tutorial（书生大模型实战营）是一套专为大语言模型（LLM）和多模态模型（VLM）学习者打造的系统化开源教程。它旨在解决初学者在面对海量且杂乱的大模型技术信息时，难以获取有效、可信学习路径的痛点，帮助用户从零开始掌握核心技能。\n\n该教程采用“闯关挑战”模式，内容涵盖从 Linux、Python、Git 等基础前置知识，到书生大模型全链路开源体系、提示词工程、RAG 检索增强生成、模型微调（XTuner）、评测（OpenCompass）及量化部署（LMDeploy）等进阶实战。此外，还包含了 Agent 智能体开发、多模态模型应用及端侧部署等前沿课题。\n\n无论是刚入门的开发者、希望深入研究的科研人员，还是想要快速落地应用的技术爱好者，都能在这里找到适合自己的学习阶段。其独特亮点在于提供了完整的任务文档、配套视频教程以及真实的算力资源激励，让用户在动手实践中真正理解并掌握 InternLM 系列模型及相关工具链的使用。通过循序渐进的课程设计，Tutorial 帮助每一位热爱技术的朋友在大模型学习之路上少走弯路，高效成长。","# 书生大模型实战营（第三期闯关大挑战）\n\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FInternLM_Tutorial_readme_61152b4171c0.png)\n\n\n闯关手册：https:\u002F\u002Faicarrier.feishu.cn\u002Fwiki\u002FXBO6wpQcSibO1okrChhcBkQjnsf\n\n\n## 1. 关卡\n\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FInternLM_Tutorial_readme_c9fd23a23729.png)\n\n\n### 1.1. 入门关卡\n\n||关卡名称|资料|闯关激励|\n|:-----|:----|:----|:-----|\n|第 1 关| Linux 前置基础 |[任务](docs\u002FL0\u002FLinux\u002Ftask.md)、[文档](docs\u002FL0\u002FLinux)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1FS421d7yg\u002F)| 50元算力点 |\n|第 2 关|Python 前置基础 | [任务](docs\u002FL0\u002FPython\u002Ftask.md)、[文档](docs\u002FL0\u002FPython)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1mS421X7h4\u002F)| 50元算力点|\n|第 3 关|Git 前置基础|[任务](docs\u002FL0\u002FGit\u002Ftask.md)、[文档](docs\u002FL0\u002FGit)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1Pz421i7bw\u002F)| 50元算力点 |\n\n### 1.2. 基础关卡\n\n\n||关卡名称|资料|闯关激励|\n|:-----|:----|:----|:-----|\n|第 1 关| 书生大模型全链路开源体系 |[任务](docs\u002FL1\u002FHelloIntern\u002Ftask.md)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV18142187g5\u002F)| 100元算力点 |\n|第 2 关| 8G 显存玩转书生大模型 Demo | [任务](docs\u002FL1\u002FDemo\u002Ftask.md)、[文档](docs\u002FL1\u002FDemo\u002Freadme.md)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV18x4y147SU\u002F)| 100元算力点 |\n|第 3 关| 浦语提示词工程实践 | [任务](docs\u002FL1\u002FPrompt\u002Ftask.md)、[文档](docs\u002FL1\u002FPrompt)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1cU411S7iV)| 100元算力点 |\n|第 4 关| InternLM + LlamaIndex RAG 实践|[任务](docs\u002FL1\u002FLlamaIndex\u002Ftask.md)、[文档](docs\u002FL1\u002FLlamaIndex)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV19E4m1X79q\u002F)| 100元算力点 |\n|第 6 关| XTuner 微调个人小助手认知 | [任务](docs\u002FL1\u002FXTuner\u002Ftask.md)、[文档](docs\u002FL1\u002FXTuner)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1tz421B72y\u002F)| 100元算力点 |\n|第 7 关| OpenCompass 评测 InternLM-1.8B 实践 | [任务](docs\u002FL1\u002FOpenCompass\u002Ftask.md)、[文档](docs\u002FL1\u002FOpenCompass\u002Freadme.md)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1RM4m1279j\u002F) | 100元算力点 |\n\n\n\n### 1.3. 进阶关卡\n\n||关卡名称|资料|闯关激励|\n|:-----|:----|:----|:-----|\n|第 1 关| 探索 InternLM 模型能力边界 | [任务](https:\u002F\u002Faicarrier.feishu.cn\u002Fwiki\u002FQjBswYlmdiSGfskq6vNcBmZCn09)| 100元算力点 |\n|第 2 关| Lagent 自定义你的 Agent 智能体 | [任务](docs\u002FL2\u002FLagent\u002Ftask.md)、[文档](docs\u002FL2\u002FLagent\u002Freadme.md)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV18M4m1y7sm\u002F)| 100元算力点 |\n|第 3 关| LMDeploy 量化部署进阶实践 | [任务](docs\u002FL2\u002FLMDeploy\u002Ftask.md)、[文档](docs\u002FL2\u002FLMDeploy\u002Freadme.md)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1df421q7cR\u002F)| 100元算力点 |\n|第 4 关| InternVL 多模态模型部署微调实践 | [任务](https:\u002F\u002Fgithub.com\u002FInternLM\u002FTutorial\u002Ftree\u002Fcamp3\u002Fdocs\u002FL2\u002FInternVL\u002Ftask.md)、[文档](https:\u002F\u002Fgithub.com\u002FInternLM\u002FTutorial\u002Ftree\u002Fcamp3\u002Fdocs\u002FL2\u002FInternVL\u002Fjoke_readme.md)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1N6p1eXETX\u002F)| 100元算力点 |\n|第 5 关| 茴香豆：企业级知识库问答工具 | [任务](docs\u002FL2\u002FHuixiangdou\u002Ftask.md)、[文档](docs\u002FL2\u002FHuixiangdou)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1C5W2epEYP\u002F)| 100元算力点 |\n|第 6 关| MindSearch CPU-only 版部署 | [任务](docs\u002FL2\u002FMindSearch\u002Ftask.md)、[文档](docs\u002FL2\u002FMindSearch\u002Freadme_github.md) | 100元算力点 |\n\n### 1.4. 彩蛋岛\n\n||关卡名称|资料|\n|:-----|:----|:-----|\n|第 1 关| 销冠大模型案例 |[文档](docs\u002FEasterEgg\u002FStreamerSales)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1f1421b7Du)|\n|第 2 关| InternLM 1.8B 模型 Android 端侧部署实践  | [文档](docs\u002FEasterEgg\u002FAndroid)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1Ai421a7R6\u002F)|\n|第 3 关| 手把手带你使用InternLM实现谁是卧底游戏|[文档](docs\u002FEasterEgg\u002FGame)|\n\n## 2. 证书\n\n完成进阶岛闯关将获得精美的结营证书～\n\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FInternLM_Tutorial_readme_83b9e624b077.png)\n\n\n## 3. 书生共学计划\n\n\n在大模型技术的浪潮中，面对混杂的众多信息，如何获取有效、可信的学习资源成为了一项挑战。  \n为此，我们推出“书生共学计划”，鼓励大家将实战营活动分享给你身边有需要的小伙伴，让每一位热爱技术的朋友都能在这个复杂的信息环境中找到自己的航向，帮助他们在大模型的学习之路上少走弯路。  \n\n\n参与方法  \n- 启航准备：通过填写问卷报名加入实战营，开启你的学习之旅。  \n- 专属海报：访问书生共学计划活动页面（https:\u002F\u002Fcolearn.intern-ai.org.cn\u002F ），输入手机号，定制你独一无二的分享海报。  \n- 招募同行者：将海报分享给你身边的小伙伴，邀请他们报名实战营，共享知识的力量。  \n\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FInternLM_Tutorial_readme_f53690ae69b3.png)  \n\n\n\n独家奖励等你拿\n- 每邀请 1 位同学填写报名问卷即可获得 50 算力点。\n- 成功邀请 3 人，解锁 InternStudio 平台 24GB A100 及 80GB 存储使用权限。\n- 成功邀请 6 人，解锁 InternStudio 平台 40GB A100 及 120GB 存储使用权限。\n- 成功邀请 16 人，解锁 InternStudio 平台 80GB A100 及 200GB 存储使用权限。\n\n展现你的影响力，成为知识的使者\n这不仅是一个促进个人学习和成长的机遇，更是一个帮助他人、为自己赢得认可和资源的舞台。通过你的分享，我们可以一起帮助更多的人接触和了解前沿技术，期待你的加入。\n\n","# 书生大模型实战营（第三期闯关大挑战）\n\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FInternLM_Tutorial_readme_61152b4171c0.png)\n\n\n闯关手册：https:\u002F\u002Faicarrier.feishu.cn\u002Fwiki\u002FXBO6wpQcSibO1okrChhcBkQjnsf\n\n\n## 1. 关卡\n\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FInternLM_Tutorial_readme_c9fd23a23729.png)\n\n\n### 1.1. 入门关卡\n\n||关卡名称|资料|闯关激励|\n|:-----|:----|:----|:-----|\n|第 1 关| Linux 前置基础 |[任务](docs\u002FL0\u002FLinux\u002Ftask.md)、[文档](docs\u002FL0\u002FLinux)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1FS421d7yg\u002F)| 50元算力点 |\n|第 2 关|Python 前置基础 | [任务](docs\u002FL0\u002FPython\u002Ftask.md)、[文档](docs\u002FL0\u002FPython)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1mS421X7h4\u002F)| 50元算力点|\n|第 3 关|Git 前置基础|[任务](docs\u002FL0\u002FGit\u002Ftask.md)、[文档](docs\u002FL0\u002FGit)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1Pz421i7bw\u002F)| 50元算力点 |\n\n### 1.2. 基础关卡\n\n\n||关卡名称|资料|闯关激励|\n|:-----|:----|:----|:-----|\n|第 1 关| 书生大模型全链路开源体系 |[任务](docs\u002FL1\u002FHelloIntern\u002Ftask.md)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV18142187g5\u002F)| 100元算力点 |\n|第 2 关| 8G 显存玩转书生大模型 Demo | [任务](docs\u002FL1\u002FDemo\u002Ftask.md)、[文档](docs\u002FL1\u002FDemo\u002Freadme.md)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV18x4y147SU\u002F)| 100元算力点 |\n|第 3 关| 浦语提示词工程实践 | [任务](docs\u002FL1\u002FPrompt\u002Ftask.md)、[文档](docs\u002FL1\u002FPrompt)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1cU411S7iV)| 100元算力点 |\n|第 4 关| InternLM + LlamaIndex RAG 实践|[任务](docs\u002FL1\u002FLlamaIndex\u002Ftask.md)、[文档](docs\u002FL1\u002FLlamaIndex)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV19E4m1X79q\u002F)| 100元算力点 |\n|第 6 关| XTuner 微调个人小助手认知 | [任务](docs\u002FL1\u002FXTuner\u002Ftask.md)、[文档](docs\u002FL1\u002FXTuner)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1tz421B72y\u002F)| 100元算力点 |\n|第 7 关| OpenCompass 评测 InternLM-1.8B 实践 | [任务](docs\u002FL1\u002FOpenCompass\u002Ftask.md)、[文档](docs\u002FL1\u002FOpenCompass\u002Freadme.md)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1RM4m1279j\u002F) | 100元算力点 |\n\n\n\n### 1.3. 进阶关卡\n\n||关卡名称|资料|闯关激励|\n|:-----|:----|:----|:-----|\n|第 1 关| 探索 InternLM 模型能力边界 | [任务](https:\u002F\u002Faicarrier.feishu.cn\u002Fwiki\u002FQjBswYlmdiSGfskq6vNcBmZCn09)| 100元算力点 |\n|第 2 关| Lagent 自定义你的 Agent 智能体 | [任务](docs\u002FL2\u002FLagent\u002Ftask.md)、[文档](docs\u002FL2\u002FLagent\u002Freadme.md)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV18M4m1y7sm\u002F)| 100元算力点 |\n|第 3 关| LMDeploy 量化部署进阶实践 | [任务](docs\u002FL2\u002FLMDeploy\u002Ftask.md)、[文档](docs\u002FL2\u002FLMDeploy\u002Freadme.md)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1df421q7cR\u002F)| 100元算力点 |\n|第 4 关| InternVL 多模态模型部署微调实践 | [任务](https:\u002F\u002Fgithub.com\u002FInternLM\u002FTutorial\u002Ftree\u002Fcamp3\u002Fdocs\u002FL2\u002FInternVL\u002Ftask.md)、[文档](https:\u002F\u002Fgithub.com\u002FInternLM\u002FTutorial\u002Ftree\u002Fcamp3\u002Fdocs\u002FL2\u002FInternVL\u002Fjoke_readme.md)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1N6p1eXETX\u002F)| 100元算力点 |\n|第 5 关| 茴香豆：企业级知识库问答工具 | [任务](docs\u002FL2\u002FHuixiangdou\u002Ftask.md)、[文档](docs\u002FL2\u002FHuixiangdou)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1C5W2epEYP\u002F)| 100元算力点 |\n|第 6 关| MindSearch CPU-only 版部署 | [任务](docs\u002FL2\u002FMindSearch\u002Ftask.md)、[文档](docs\u002FL2\u002FMindSearch\u002Freadme_github.md) | 100元算力点 |\n\n### 1.4. 彩蛋岛\n\n||关卡名称|资料|\n|:-----|:----|:-----|\n|第 1 关| 销冠大模型案例 |[文档](docs\u002FEasterEgg\u002FStreamerSales)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1f1421b7Du)|\n|第 2 关| InternLM 1.8B 模型 Android 端侧部署实践  | [文档](docs\u002FEasterEgg\u002FAndroid)、[视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1Ai421a7R6\u002F)|\n|第 3 关| 手把手带你使用InternLM实现谁是卧底游戏|[文档](docs\u002FEasterEgg\u002FGame)|\n\n## 2. 证书\n\n完成进阶岛闯关将获得精美的结营证书～\n\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FInternLM_Tutorial_readme_83b9e624b077.png)\n\n\n## 3. 书生共学计划\n\n\n在大模型技术的浪潮中，面对混杂的众多信息，如何获取有效、可信的学习资源成为了一项挑战。  \n为此，我们推出“书生共学计划”，鼓励大家将实战营活动分享给你身边有需要的小伙伴，让每一位热爱技术的朋友都能在这个复杂的信息环境中找到自己的航向，帮助他们在大模型的学习之路上少走弯路。  \n\n\n参与方法  \n- 启航准备：通过填写问卷报名加入实战营，开启你的学习之旅。  \n- 专属海报：访问书生共学计划活动页面（https:\u002F\u002Fcolearn.intern-ai.org.cn\u002F ），输入手机号，定制你独一无二的分享海报。  \n- 招募同行者：将海报分享给你身边的小伙伴，邀请他们报名实战营，共享知识的力量。  \n\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FInternLM_Tutorial_readme_f53690ae69b3.png)  \n\n\n\n独家奖励等你拿\n- 每邀请 1 位同学填写报名问卷即可获得 50 算力点。\n- 成功邀请 3 人，解锁 InternStudio 平台 24GB A100 及 80GB 存储使用权限。\n- 成功邀请 6 人，解锁 InternStudio 平台 40GB A100 及 120GB 存储使用权限。\n- 成功邀请 16 人，解锁 InternStudio 平台 80GB A100 及 200GB 存储使用权限。\n\n展现你的影响力，成为知识的使者\n这不仅是一个促进个人学习和成长的机遇，更是一个帮助他人、为自己赢得认可和资源的舞台。通过你的分享，我们可以一起帮助更多的人接触和了解前沿技术，期待你的加入。","# 书生大模型实战营快速上手指南\n\n本指南旨在帮助开发者快速参与“书生大模型实战营（第三期）”，通过闯关模式掌握从 Linux\u002FPython 基础到大模型微调、部署及 Agent 开发的全链路技能。\n\n## 1. 环境准备\n\n### 系统要求\n- **操作系统**：推荐 Linux (Ubuntu 20.04\u002F22.04)，部分关卡支持 Windows\u002FmacOS，但核心实验建议在 Linux 环境下进行。\n- **硬件配置**：\n  - 入门关卡：普通电脑即可。\n  - 基础\u002F进阶关卡：需要 GPU 支持。推荐使用 **InternStudio** 平台（活动提供算力奖励），或本地具备至少 8GB 显存的 NVIDIA 显卡。\n- **网络环境**：建议配置国内镜像源以加速依赖下载。\n\n### 前置依赖\n在开始具体关卡前，请确保掌握或预习以下基础（对应入门关卡内容）：\n- **Linux 基础**：文件操作、权限管理、常用命令。\n- **Python 基础**：环境管理 (conda\u002Fvenv)、包安装 (pip)、基础语法。\n- **Git 基础**：代码克隆、提交、分支管理。\n\n> **提示**：若不确定自身基础，请先完成“入门关卡”中的三项任务。\n\n## 2. 安装与启动步骤\n\n本实战营基于开源项目 `InternLM` 生态，主要通过克隆教程仓库并执行特定任务脚本进行。\n\n### 第一步：克隆实战营仓库\n使用 Git 克隆官方教程仓库到本地或开发机：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FInternLM\u002FTutorial.git\ncd Tutorial\n```\n\n*注：若在国内网络环境下克隆缓慢，可使用 Gitee 镜像（如有）或配置 Git 代理。*\n\n### 第二步：配置 Python 环境\n建议使用 Conda 创建独立环境，避免依赖冲突。以下以基础关卡中常见的环境为例：\n\n```bash\n# 创建名为 internlm 的虚拟环境，指定 Python 版本（根据具体关卡要求调整，通常为 3.10+）\nconda create -n internlm python=3.10 -y\nconda activate internlm\n```\n\n### 第三步：安装依赖库\n根据不同关卡需求，安装对应的 SDK 和工具库。以下是通用依赖及核心组件的安装示例（使用国内镜像源加速）：\n\n```bash\n# 设置 pip 国内镜像源\npip config set global.index-url https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n\n# 安装基础深度学习框架及 InternLM 相关工具\npip install torch torchvision torchaudio --index-url https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Fcu118\npip install transformers sentencepiece protobuf\npip install lagent xtuner opencompass llama-index\n```\n\n> **注意**：具体关卡（如 LMDeploy 量化、InternVL 多模态）可能有特定的 `requirements.txt`，请进入对应关卡目录（如 `docs\u002FL1\u002FDemo\u002F`）后优先执行：\n> ```bash\n> pip install -r requirements.txt\n> ```\n\n### 第四步：获取算力资源（可选但推荐）\n参与“书生共学计划”或通过闯关获取免费算力点，用于在 **InternStudio** 平台开启高性能 GPU 实例：\n1. 访问活动页面填写问卷报名。\n2. 完成入门关卡任务领取算力点。\n3. 在 InternStudio 控制台创建实例，挂载本仓库代码开始实验。\n\n## 3. 基本使用\n\n实战营采用“任务驱动”模式，每个关卡包含具体的代码实践任务。以下以**基础关卡第 2 关：8G 显存玩转书生大模型 Demo**为例，展示最简单的运行流程。\n\n### 场景示例：运行 InternLM 对话 Demo\n\n1. **进入任务目录**\n   ```bash\n   cd docs\u002FL1\u002FDemo\n   ```\n\n2. **下载模型权重**\n   使用 HuggingFace 或 ModelScope（推荐国内用户）下载 InternLM2-1.8B 模型：\n   ```bash\n   # 使用 ModelScope 下载（需先安装 modelscope: pip install modelscope）\n   python download_model.py --model_id ShengshuTech\u002Finternlm2-1_8b\n   ```\n\n3. **启动推理服务**\n   运行提供的演示脚本，启动本地对话服务：\n   ```bash\n   python demo.py --model_path .\u002Finternlm2-1_8b --device cuda\n   ```\n\n4. **交互体验**\n   终端启动后，输入问题即可与大模型对话：\n   ```text\n   User: 请介绍一下书生大模型。\n   Assistant: 书生大模型是由上海人工智能实验室推出的...\n   ```\n\n### 进阶实践路径\n完成上述基础 Demo 后，您可以按照 README 中的关卡列表依次挑战：\n- **RAG 实践**：结合 `LlamaIndex` 构建知识库问答。\n- **微调实践**：使用 `XTuner` 对模型进行指令微调。\n- **量化部署**：使用 `LMDeploy` 进行模型量化并部署服务。\n- **Agent 开发**：基于 `Lagent` 自定义智能体。\n\n所有任务的具体代码模板、数据集及详细步骤说明，均位于对应关卡的 `task.md` 文件中，请直接查阅并执行。","某高校人工智能实验室的研究生李明，正试图在有限的个人显卡资源上复现前沿大模型应用，却因环境配置和链路复杂而举步维艰。\n\n### 没有 Tutorial 时\n- **环境搭建劝退**：面对 Linux、Python 和 Git 等前置基础，缺乏系统指引，光是配置依赖库就耗费数天，频繁遭遇版本冲突报错。\n- **显存焦虑严重**：手头只有 8G 显存的消费级显卡，不知如何优化模型，直接运行主流大模型立刻显存溢出（OOM），无法进行任何实验。\n- **技术链路断裂**：懂得理论但不会落地，从提示词工程到 RAG 检索增强，再到微调个人助手，各个技术点孤立无援，无法串联成完整项目。\n- **试错成本高昂**：缺乏官方认证的评测工具和量化部署方案，只能盲目尝试网络上的碎片化教程，浪费大量算力却得不到可复现的结果。\n\n### 使用 Tutorial 后\n- **阶梯式平滑入门**：通过“入门关卡”的系统任务，快速掌握 Linux 与 Git 核心操作，并获得 50 元算力点奖励，零基础也能顺利启动环境。\n- **低资源高效运行**：跟随\"8G 显存玩转大模型”实战，学会利用 LMDeploy 进行量化部署，成功在本地显卡跑通书生大模型 Demo，打破硬件限制。\n- **全链路项目落地**：按图索骥完成从 Prompt 工程、LlamaIndex RAG 构建到 XTuner 微调的“基础关卡”，一周内独立搭建出具备私有知识库的智能助手。\n- **进阶能力拓展**：挑战“进阶关卡”中的 Agent 自定义与多模态微调，获得结营证书及高额算力奖励，甚至将模型成功部署至 Android 端侧。\n\nTutorial 将杂乱的大模型学习路径转化为游戏化的闯关挑战，让开发者以最低的成本和清晰的路线，从零快速成长为能独立落地全链路应用的技术专家。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FInternLM_Tutorial_61152b41.png","InternLM","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FInternLM_bc4eb14c.png","",null,"internlm@pjlab.org.cn","intern_lm","https:\u002F\u002Fchat.intern-ai.org.cn\u002F","https:\u002F\u002Fgithub.com\u002FInternLM",[81],{"name":82,"color":83,"percentage":84},"Python","#3572A5",100,1949,1497,"2026-03-31T12:27:04","Linux, Android","部分关卡必需。基础关卡提及'8G 显存玩转书生大模型 Demo'；进阶关卡涉及量化部署及多模态模型；彩蛋岛包含'CPU-only 版部署’及'Android 端侧部署’。具体显卡型号和 CUDA 版本未说明，但奖励资源提及 NVIDIA A100 (24GB\u002F40GB\u002F80GB)。","未说明",{"notes":92,"python":93,"dependencies":94},"本项目为‘书生大模型实战营’教程集合，涵盖从 Linux\u002FPython\u002FGit 基础到模型微调、RAG、Agent 构建及多模态部署的全链路实践。不同关卡对环境要求差异较大：既有需要高显存 GPU 的训练\u002F推理任务，也有支持 CPU _only_ 或 Android 端侧部署的轻量级任务。官方推荐使用的算力平台为 InternStudio（提供 A100 资源）。","入门关卡包含'Python 前置基础’，具体版本未说明",[72,95,96,97,98,99,100,101],"LlamaIndex","XTuner","OpenCompass","Lagent","LMDeploy","InternVL","MindSearch",[35,14,13,103],"其他","2026-03-27T02:49:30.150509","2026-04-06T20:03:38.860851",[107,112,117,122,127,132],{"id":108,"question_zh":109,"answer_zh":110,"source_url":111},19867,"运行 XTuner 多模态训练时报错 TypeError: 'NoneType' object is not subscriptable 怎么办？","这是 transformers 包版本兼容性问题。请将 transformers 版本从 4.41.1 降级为 4.40.0 即可解决。","https:\u002F\u002Fgithub.com\u002FInternLM\u002FTutorial\u002Fissues\u002F725",{"id":113,"question_zh":114,"answer_zh":115,"source_url":116},19868,"运行代码时出现 CUDA error: CUBLAS_STATUS_NOT_INITIALIZED 错误如何解决？","该错误通常是因为安装 LLamaIndex 时自动卸载了原有的 torch 并安装了不兼容的最新版本。解决方法是强制重新安装指定版本的 PyTorch：\nconda install --force-reinstall pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia","https:\u002F\u002Fgithub.com\u002FInternLM\u002FTutorial\u002Fissues\u002F2462",{"id":118,"question_zh":119,"answer_zh":120,"source_url":121},19869,"部署 MindSearch 案例时报错 ImportError: cannot import name 'AutoRegister' from 'class_registry' 怎么办？","这是 class_registry 包版本问题。请在项目的 requirements.txt 文件中添加一行指定版本：class_registry==2.1.2，然后重新安装依赖。","https:\u002F\u002Fgithub.com\u002FInternLM\u002FTutorial\u002Fissues\u002F1854",{"id":123,"question_zh":124,"answer_zh":125,"source_url":126},19870,"SSH 连接 InternStudio 开发机失败或提示端口被禁用如何解决？","请尝试以下排查步骤：\n1. 检查 SSH Key 是否位于默认位置，若不在默认位置可能导致读取失败。\n2. 确认配置的是公钥（.pub）而非私钥。\n3. 检查端口是否被占用。\n4. 若是关机重启后无法连接，请删除本地 .ssh 文件夹下的 known_hosts 文件后重试。","https:\u002F\u002Fgithub.com\u002FInternLM\u002FTutorial\u002Fissues\u002F78",{"id":128,"question_zh":129,"answer_zh":130,"source_url":131},19871,"配置本地端口映射或 SSH 连接时要求输入 root 密码怎么办？","如果已经配置过公钥但仍要求输入密码，可能是因为本地的 key 文件命名不符合默认规范。SSH 默认寻找 id_rsa 和 id_rsa.pub，如果命名为其他名字（如 internstudio_id_rsa），系统可能无法自动识别从而要求输入密码。建议将密钥文件重命名为 id_rsa 和 id_rsa.pub，或者在 SSH 配置中明确指定 IdentityFile 路径。具体默认密码也可参考官方 QA 文档。","https:\u002F\u002Fgithub.com\u002FInternLM\u002FTutorial\u002Fissues\u002F87",{"id":133,"question_zh":134,"answer_zh":135,"source_url":136},19872,"执行 lmdeploy 命令时提示 command not found 怎么办？","这通常是因为环境变量未配置或 lmdeploy 未正确安装。请检查是否已激活包含 lmdeploy 的 conda 环境，或者尝试重新安装 lmdeploy 并确保其路径已添加到系统 PATH 中。如果是在特定教程环境中，请确认是否按照前置步骤完成了环境初始化。","https:\u002F\u002Fgithub.com\u002FInternLM\u002FTutorial\u002Fissues\u002F463",[]]