本仓库按个人学习顺序组织示例代码，便于复习与复现。
| 顺序 | 目录 | 内容 |
|---|---|---|
| 1 | 01-huggingface/ |
Transformers / Hub 入门（Jupyter Notebook） |
| 2 | 02-quantization/ |
普通模型与 4bit 量化显存对比脚本 |
| 3 | 03-langchain/ |
最小 ReAct Agent（计算器 + 当前时间，默认 Ollama） |
- Python 3.10+ 推荐
- 02 量化脚本：需要 NVIDIA GPU + CUDA（无 GPU 时脚本会提示并退出）
- 03 Agent：需本机安装并启动 Ollama，并拉取
qwen2.5:1.5b（或修改脚本内OLLAMA_MODEL）
cd /path/to/repo # 本仓库根目录
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install -r requirements.txt# 1) Hugging Face 入门（在 notebook 中逐格运行）
jupyter notebook 01-huggingface/huggingFace.ipynb
# 2) 量化显存对比（需在仓库根目录存在已下载的 gpt2/，或能联网拉取模型）
python 02-quantization/quantization_demo.py
# 3) LangChain Agent（先 ollama serve，再执行）
python 03-langchain/task1_minimal_agent.py- 仓库根目录下的
gpt2/为本地下载的模型权重，体积大，已列入.gitignore。 01-huggingface/huggingFace.ipynb：首格只从本地加载（local_files_only=True），会在当前目录、上一级、上上一级中查找含config.json的gpt2/；若模型在其他路径，可设置环境变量HF_MODEL_PATH或GPT2_LOCAL_PATH。- 02 量化脚本：未放置模型时，可设置
HF_ENDPOINT（如镜像）或QUANT_DEMO_MODEL指向本地模型目录，详见02-quantization/quantization_demo.py内注释。
在仓库根目录执行：
git init
git add .
git status # 确认未包含 gpt2/ 等大文件
git commit -m "chore: organize learning notes by topic"
git branch -M main
git remote add origin https://github.com/<你的用户名>/<仓库名>.git
git push -u origin main若 GitHub 要求登录，请使用 Personal Access Token 或配置 SSH。
个人学习用途；第三方库与模型版权归各自所有者。