Qwen3.8-27B-multi-turn-agent-sft实战教程：从零训练你的第一个终端Agent模型

【免费下载链接】Qwen3.8-27B-multi-turn-agent-sft项目地址https://ai.gitcode.com/hf_mirrors/ukisai/Qwen3.8-27B-multi-turn-agent-sft点击查看免费下载一、这个数据集是做什么的Qwen3.8-27B-multi-turn-agent-sft是欧洲研究团队 UkisAI 开源的一份Agent 监督微调SFT数据集专门用于训练大模型完成终端操作、编码与软件工程任务。它基于 OpenThoughts-Agent-v1-SFT 数据集的思路构建全部轨迹由Qwen3.8-27BFP16在 Terminus-2 agentic harness 中真实运行生成共包含约15,200 条多轮 Agent 轨迹覆盖终端、编码和软件工程三大类任务其中包括nl2bash和InferredBugs等经典基准任务。简单说你用它做 SFT就能让模型学会像人一样操作终端、调用工具、修 bug。项目信息详见 README.md核心数据文件为 qwen38-agent-sft-combined-100pct.parquet。二、数据集核心特性一览维度说明轨迹数量约 15,200 条 Agent traces生成模型Qwen3.8-27BFP16运行框架Terminus-2 agentic harness任务类型终端操作、编码、软件工程nl2bash、InferredBugs 等文件格式Parquet100pct表示全量 100% 数据许可证Apache-2.0可自由使用与改进 这份数据的设计定位是训练的第一阶段SFT 冷启动先用强教师 Agent 的轨迹让模型掌握如何与环境交互之后再进入强化学习阶段。这正是 OpenThoughts-Agent 项目验证过的两阶段训练路线。三、开始前的准备工作 ✅1. 硬件建议显存完整微调 27B 级别模型需要多卡环境新手推荐使用LoRA / QLoRA 微调单卡 24GB如 RTX 3090/4090即可起步。存储预留至少 20GB 磁盘空间存放模型权重与数据。2. 获取数据集git clone https://gitcode.com/hf_mirrors/ukisai/Qwen3.8-27B-multi-turn-agent-sft.git克隆后你会得到两个文件README.md数据集说明与用途qwen38-agent-sft-combined-100pct.parquet全量轨迹数据约 145MB通过 Git LFS 存储3. 环境依赖pip install pandas pyarrow四、实战步骤训练你的第一个终端 Agent 模型 第 1 步检查数据结构先用几行代码确认数据能正常读取注意该文件为 Parquet 格式需用pandas或pyarrow加载不能当普通文本打开import pandas as pd df pd.read_parquet(qwen38-agent-sft-combined-100pct.parquet) print(df.shape) print(df.columns.tolist()) print(df.iloc[0]) # 查看第一条轨迹每条轨迹记录了 Agent 在终端中多轮交互的完整过程任务指令 → 模型思考与命令生成 → 终端输出 → 下一步动作……这种指令-动作-反馈的结构就是 SFT 训练的核心素材。第 2 步整理成微调格式把轨迹转换为你的训练框架需要的格式通常是instruction / input / output或messages多轮对话结构。以 messages 格式为例思路如下# 伪代码把一条轨迹拆成多轮 messages for turn in trace: if turn.role assistant: messages.append({role: assistant, content: turn.content}) # 只训练 assistant 部分 else: messages.append({role: user, content: turn.content})⚠️ 关键原则loss 只计算 assistant模型输出的 token用户消息和终端输出部分应 mask 掉否则会教模型背诵环境。第 3 步配置训练参数LoRA 快速起步以 LLaMA-Factory、ms-swift 等主流框架为例推荐的新手超参参数推荐值说明微调方式LoRA / QLoRA省显存新手首选LoRA rank8 ~ 32太大易过拟合小数据学习率1e-4 ~ 5e-5LoRA全量微调则用 1e-5 量级训练轮数2 ~ 3 epochs多轮轨迹长1 epoch 即可看到效果上下文长度8192 ~ 32768终端轨迹较长务必开够精度bf16 / fp16数据即由 FP16 模型生成精度对齐上下文长度是最容易被忽视的坑Agent 轨迹包含多轮终端输出截断过短会让模型学不到完整的任务闭环。第 4 步验证训练效果训练完成后用终端任务做人工评测让模型在干净的终端环境中执行简单指令如列出当前目录大于 1MB 的文件并排序观察它是否输出可直接执行的 bash 命令而非解释性文字检查多轮场景当命令报错时模型能否根据报错信息自我修正。五、常见问题解答 ❓Q1为什么用 Qwen3.8-27B 生成的轨迹来训练强模型生成的轨迹质量更高属于教师-学生蒸馏式冷启动。数据由 FP16 精度模型生成与主流训练精度匹配无量化噪声。Q215,200 条数据够训练吗对于 SFT 冷启动足够——阶段目标是学会交互格式与工具使用习惯而非刷高基准分数。后续可叠加更多数据或进入 RL 阶段。Q3可以直接拿来做强化学习RL吗可以。README.md 中明确说明该数据集可作为进一步后训练或强化学习的起点与 OpenThoughts-Agent 的两阶段路线一致。Q4Parquet 文件为什么打不开qwen38-agent-sft-combined-100pct.parquet 通过 Git LFS 存储clone 时必须安装 Git LFS 并执行git lfs pull否则只会下载到 134 字节的指针文件。六、总结 Qwen3.8-27B-multi-turn-agent-sft提供约 15,200 条真实终端 Agent 轨迹Apache-2.0 协议免费使用新手路线LoRA 微调 mask 非模型 token 足够的上下文长度三步即可让模型具备终端操作能力进阶路线SFT 冷启动之后可接入强化学习进一步提升任务成功率遇到问题或有好点子欢迎到项目 Issue 区反馈交流。动手试试吧你的第一个会敲命令的 Agent 模型离你只隔一次训练的距离赞分享【免费下载链接】Qwen3.8-27B-multi-turn-agent-sft项目地址https://ai.gitcode.com/hf_mirrors/ukisai/Qwen3.8-27B-multi-turn-agent-sft点击查看免费下载相关推荐Qwen3.8-27B-multi-turn-agent-sft vs OpenThoughts-Agent-v1-SFT两大 Agent 数据集终极对比Qwen3.8 27B multi turn agent sft vs OpenThoughts Agent v1 SFT两大 Agent 数据集终极对比 Q多轮Agent交互设计从Qwen3.8-27B-multi-turn-agent-sft轨迹提炼终端操作最佳实践多轮Agent交互设计从Qwen3.8 27B multi turn agent sft轨迹提炼终端操作最佳实践 Qwen3.8 27B multi turn避坑指南使用Qwen3.8-27B-multi-turn-agent-sft训练的7个常见问题与解决方案避坑指南使用Qwen3.8 27B multi turn agent sft训练的7个常见问题与解决方案 本文是 Qwen3.8 27B multi turn上一篇终极网盘下载加速指南9大平台直链下载助手完整教程下一篇SQLyog社区版免费开源的MySQL数据库管理终极指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考