基于 LoRA_Demo 项目的可复现链路：1000 条 JSONL → 单卡 SFT → verify_lora → vLLM 动态 LoRA API。
阅读建议
- 第 1–2 篇（开篇与数据）：场景选型、JSONL 与心理模型
- 第 3–4 篇（原理与环境）：LoRA 参数、ModelScope 与 GPU 分工
- 第 5–6 篇（训练代码）：train_lora_single.py 逐步讲解
- 第 7–8 篇（指标与验证）：all_logs 复盘、Mac MPS 实测
- 第 9–10 篇（踩坑与部署）：Qwen3.5 thinking、vLLM serve
文章列表
| 篇 | 标题 | 阶段 |
|---|---|---|
| 01 | 为什么用 LoRA 做老年情感陪伴 AI | 开篇 |
| 02 | 训练集设计：1000 条 JSONL 与老年心理模型 | 数据 |
| 03 | LoRA 原理：只训 0.25% 参数 | 原理 |
| 04 | Qwen3.5-4B LoRA 微调环境搭建与模型准备 | 环境 |
| 05 | 单卡 SFT 实战（上）：Tokenizer、基座与 LoRA 配置 | 训练 |
| 06 | 单卡 SFT 实战（下）：SFTTrainer 与训练循环 | 训练 |
| 07 | 读懂 LoRA 训练曲线：750 step 实盘复盘 | 指标 |
| 08 | LoRA 效果验证：verify_lora.py 原理与 Mac 实测 | 验证 |
| 09 | Qwen3.5 踩坑：thinking 链与 flash-attn | 踩坑 |
| 10 | vLLM 部署：动态挂载 LoRA 与 OpenAI 兼容 API | 部署 |