<aside> 💡 在Lecture2中，我们的详细介绍了大模型的概念，然后学习三个具体的示例演示（智能对话Demo、Lagant工具智能体调用Demo、浦语·灵笔图文创作理解Demo）以帮助更好地理解和应用这个概念。此外，我们还将提供通用环境配置的步骤和指导，以确保能够顺利地进行开发和运行。如果需要更深入的学习和了解，您可以查看我们的官方教程，其中包含更多详细的信息和示例代码。

</aside>

一、智能对话Demo（Chat-7B Demo）

训练：在1024个GPU的大型集群上训练

微调：单个GPU微调

<aside> 📎 特点：

</aside>

• 知识库强大：超多token
• 支持长序列：8k token的上下文窗口长度

二、Lagant工具智能体调用Demo

Lagent是基于大语言模型的智能体agent框架，可以把这个大语言模型转变为多种类型的智能体。

本次尝试的智能体为数学题类型，还能进行更多想法的创作。

三、浦语·灵笔图文创作理解Demo

浦语·灵笔是基于大语言模型研发的视觉·语言模型，有着出色的图文理解和创作能力，能够轻松的创作一篇图文推文！

<aside> 📎 特点：

</aside>

• 能够创作要求的图文形式
• 多模态！能够图文理解和对话！

四、通用环境配置

1. 登录OpenXLab网站，算力平台

2. 环境准备：pip下载依赖包和库

3. 下载模型的几个方法

   1. huggingface

      ps：使用huggingface-cli下载较慢，容易失败，可以设置镜像站后下载export HF_ENDPOINT=https://hf-mirror.com

      pip install -U huggingface_hub
      huggingface-cli download --resume-download internlm/internlm-chat-7b --local-dir your_path
      huggingface-cli download --resume-download internlm/internlm-chat-7b --local-dir model/huggingface
      

   2. openxlab

      from openxlab.model import download
      download(model_repo='OpenLMlab/InternLM-7b',model_name='InternLM-7b',output='your local path')
      

   3. modelscope

      from modelscope import snapshot_download
      model_dir = snapshot_download('Shanghai_AI_Laboratory/internlm-chat-7b', cache_dir = 'your path', revision = 'master')
      

4. 安装需要的智能体