十二、时间规划与交付物检查清单

项目A 建议节奏（以180分钟为例）

时间段	做什么	关键产出
0:00–0:15	连云端、建目录、确认 Ollama/模型可用、通读需求文档	—
0:15–1:15	案例一：小样本试跑 Prompt → 批量生成 → 质检补量 → 保存 → FTP 上传	140
1:15–1:45	案例二：inference.py 验证 → 写 qlora.py → 启动训练（挂着）	100
训练等待期	并行写：案例四的 inference.py/.sh、README、quant_config.txt	（提前透支）
1:45–2:20	合并权重 → 量化 → self_check.py 跑三问 → 报告 → 封装 submission	60
2:20–2:50	案例四收尾：本地实测 inference.sh → 检查清单 → FTP 上传全部交付物	100
2:50–3:00	全场复查：路径、文件名、上传结果	—

交付物终检清单

• model_b/data/dataset.json —— ≥200条、三类各≥60、格式合法
• model_b/inference.py —— 基础模型可加载、答"你是谁"正常
• model_b/qlora.py —— bnb 4bit / r=8 α=16 四proj / lr=2e-4 ep=3 bs=4 acc=4，提示语模板训练/推理一致
• model_b/checkpoint-best/ —— config.json + safetensors + tokenizer 齐全，可 from_pretrained
• model_b/quantization/ —— quant_config.txt、量化模型文件、self_check.py、self_check_report.txt
• model_b/submission/ —— model_int4.gguf + inference.sh/.py + README_submission.txt（最小文件集）

• 项目B：案例一成果文件夹（清洗+标注+增强后的数据集）、案例二 results.csv、案例三 matrix.csv / val.csv / roc.jpg / pr.jpg、案例四 量化前后文件 + best.onnx + load_onnx.py

— AI训练师技术交流教程 · 仅供学习交流 —