---

language:

• zh
• en
• yue

license: apache-2.0

base_model: Qwen/Qwen3-1.7B

base_model_relation: finetune

pipeline_tag: text-generation

tags:

• qwen3
• coder
• lora
• code
• lychee
• gguf
• quantized
• multilingual

datasets:

• sahil2801/CodeAlpaca-20k
• shibing624/alpaca-zh
• tatsu-lab/alpaca
• hon9kon9ize/yue-alpaca-chat

---

LycheeAI-coder-1.7b-GGUF

> 当前版本：V14（格式规范版）

LycheeAI-coder-1.7b 的 GGUF 量化版本，基于 Qwen3-1.7B 通过 QLoRA（4-bit）微调，代码优先、支持中/英/粤三语对话、情感共情、可开关思考。V14 实现了可开关思考（难题自动思考、/no_think 直接作答、按难度调深度），并规范了思考输出的标签格式。

> 🙏 关于本项目：这是一个个人开发者初次尝试的开源项目，模型由 1.7B 小参数基座微调而来，能力有限——复杂代码、多步推理可能出错，思考输出偶有格式瑕疵。它更适合作为轻量本地助手，不适合作为生产级编程工具。

> 本仓库提供 GGUF 格式（跨平台，Ollama / llama.cpp / LM Studio 通用）。如需 Apple Silicon 的 MLX 版本，见 mlx-LycheeAI-coder-1.7b。

可用文件

| 文件 | 大小 | 量化 | 说明 |

|------|------|------|------|

| mlx-LycheeAI-coder-1.7b-q4_k_m.gguf | 1.05GB | Q4_K_M | 推荐，平衡质量与大小 |

使用方式

Ollama

# 1. 下载 q4_k_m 版本后，创建 Modelfile（或直接用仓库内 Modelfile）
ollama create lychee-coder -f Modelfile
# 2. 运行
ollama run lychee-coder "用 Python 写一个快速排序"

llama.cpp

llama-cli -m mlx-LycheeAI-coder-1.7b-q4_k_m.gguf -p "写一个二分查找" -n 256

训练信息

• 基座模型：Qwen3-1.7B
• 微调方法：QLoRA（4-bit + LoRA rank 16）
• 第一轮：CodeAlpaca-20k 代码指令 3500 + 中文 800 + 英语 800 + 粤语 600 + 身份问答 24（共 5724 条，lr 1e-4，4000 步）
• 第二轮（增量微调）：日常对话 60 条（中32/英16/粤12），短问短答，让日常聊天简短自然、不啰嗦（从第一轮续训，lr 5e-5，60 步）
• 第三轮（增量微调）：多语言小型项目 90 条（Python/C/C++/C#/HTML/Java/JS/Swift/Go）+ 场景感知对话 60 条，学会看场景决定说多说少、适度用 emoji（从第二轮续训，lr 5e-5，150 步）
• 第四轮（增量微调）：情感共情 40 + 格式感知 21 + 多轮 10 + 复合逻辑 11 + 纯代码 18 + 锚点 20，修复复合逻辑出错/乱用代码块/缺共情/缺多轮四个短板（从第三轮续训，lr 5e-5，120 步）
• 第五轮（增量微调）：正确代码 79（9语言）+ bug 修复 20 + 分场合安慰 20，提升代码正确性、学会分场合安慰（从第四轮续训，lr 5e-5）
• 第六轮（可开关思考）：思考模式 80（<think> 推理）+ 直答 49（/no_think）+ 锚点 30，学会可开关思考（从第五轮续训，lr 5e-5，160 步）
• 第七轮（纠偏）：常识纠偏+网络用语 25 + 身份区分 10 + 诚实兜底 6 + 按难度思考 30 + 网络上下文 10 + 锚点 15，修复身份过拟合（从第六轮续训，lr 5e-5，100 步）
• 第八轮（代码拉回）：完整代码项目 39 + 调试 15 + 思考 10 + 纠偏 10 + 锚点 15，修复代码退化（从第七轮续训，lr 5e-5，90 步）
• 第九轮（最终均衡 V10）：200 条 = 代码 75 + 情感 25 + 日常 20 + 常识 20 + 思考 15 + 多语言 15 + 网络 10 + 身份 10 + 诚实 10（从第八轮续训，lr 5e-5，200 步）
• 第十轮（均衡加强思考 V11）：250 条 = 代码 50 + 调试 15（思考）+ 难题思考 35 + 简单题直答 25 + 情感 25 + 日常 25 + 多语言 20 + 常识 20 + 身份 15 + 网络 10 + 诚实 10（从 v10 续训，lr 5e-5，250 步）
• 第十一轮（思考修复 V12）：150 条 = 真实推理思考题 60 + 锚点 90，思考占比 20%→36.7%，修复 GGUF 版思考退化（从 v11 续训，lr 5e-5，150 步）
• 第十二轮（开关思考 V13）：300 条 = 打开思考 200（各类型带 <think>，按难度调深度）+ 关闭思考 100（各类型 /no_think 直答），实现 A+B 思考开关 + 统一思考链模板 + 写代码先讲思路（从 v12 续训，lr 5e-5，300 步）
• 第十三轮（格式规范 V14）：200 条 = 打开思考 130 + 关闭思考 70，重点规范思考标签格式（<think> 严格成对、think 内只放推理、答案在 </think> 外），修复标签孤立/伪标记（从 v13 续训，lr 5e-5，200 步）
• 身份：通过 system prompt + 身份问答样本，固定为「LycheeAI-coder-1.7b，由 Qwen3-1.7B 微调而来」
• 许可：Apache 2.0（跟随基座）

关注作者

📺 Bilibili：欢迎关注我的 B 站账号 https://space.bilibili.com/3493128967293256，不定期分享 AI 模型训练与折腾记录。