企业官网建设流程全解析

duan-translator小模型是专门为了段言这门中文编程语言而微调训练的，可以帮助我们写段言的程序，确切来说，是可以把python代码转为段言代码！

启动ollama并绑定到0.0.0.0

export OLLAMA_HOST=0.0.0.0:11434 ollama serve

启动模型

skywalk@fb98:~ $ ollama run duan-translator >>> hello Hello! How can I assist you today? >>> Send a message (/? for help)

成功了！

skywalk@fb98:~ $ ollama run duan-translator
>>> 将Python代码转为段言代码：\n\nPython 代码：\ndef hello(): print('hi')
段落 hello:
打印("hi")

>>> Send a message (/? for help)

Dumate测试结果

全部测试通过！Q80 量化完美保留了微调知识，推理速度 28 tok/s，全部翻译正确。

来看一下结果对比：

关键结论：

• Q8_0 量化（531MB）是 0.5B 小模型的最佳选择——精度足够保留 LoRA 微调知识，且能在 Quadro K4200（4GB VRAM）上流畅运行
• 之前 Q4KM（398MB）量化太狠，把微调学到的段言语法知识全丢了
• 推理速度~28 tok/s，首次加载稍慢（35s），后续 1-3 秒/次
• 模型已部署在http://192.168.0.88:11434，模型名duan-translator

现在可以通过 ollama API 随时调用了。比如：

import requests resp = requests.post("http://192.168.0.88:11434/api/chat", json={ "model": "duan-translator", "messages": \[ {"role": "system", "content": SYSTEM_PROMPT}, {"role": "user", "content": "将Python代码转为段言代码：\n\nPython 代码：\ndef hello(): print('hi')"} ], "stream": False }) print(resp.json()["message"]\["content"])

大段测试

结果很清晰了。以下是 4 个复杂测试的分析：

Test 1 - 冒泡排序：完美✓

• 嵌套循环、swap 临时变量、函数调用、数组字面量全部正确
• range(n)→遍历 i 于 0至n减1，range(0, n-i-1)→遍历 j 于 0至n减i减2都精确翻译

Test 2 - 二分查找：部分正确⚠️

• 模型输出了两个版本（第一版有错误后自行重试），说明 0.5B 模型在长代码上会出现重复生成
• while left <= right→当 左大于等于右（条件方向搞反了）
• return -1→返回 减 1（丢了变量名）

Test 3 - 类与继承：失败✗

• 训练数据中 OOP 样本不足，模型开始幻觉（重复定义、混用己/自己、继承语法混乱）

Test 4 - 字典+列表推导：部分正确⚠️

• 列表推导\[s for s in students if ...]正确拆解为遍历 + 如果 + 追加
• 但 f-string 翻译不正确，出现了跳过(遍历...)等无意义输出

总结：0.5B 模型 + 881 条训练数据的能力边界——

如果要提升 OOP 和高级语法的翻译质量，下一步可以扩充训练数据集，补充类定义、继承、列表推导、f-string、异常处理等模式的 Python→段言 对照样本。需要我来做吗？

碰到的问题

虚拟机卡的要命

是因为原来双cpu 24内核+64G内存，分配给虚拟机24G内存和16内核

现在是单cpu 12内核+32G,把虚拟机改回10内核和 20G内存