一个面向 Agent 的本地 LoRA autoresearch 工具。

这个项目的目标不是提供一组零散训练脚本，而是把 LoRA 微调做成一个“用户协作启动 + Agent 自主研究闭环”的工具。

本项目为独立实现，设计思路受 karpathy/autoresearch 启发。

用户负责确认：

• 训练目标
• 基础模型
• 数据来源
• Smoke Test 结论
• 时间预算等高层偏好

Agent 负责完成：

• 环境检测与建议
• 模型/数据推荐
• baseline 与 confirm
• 单变量参数探索
• mini smoke test 风险控制
• 定量与定性评估
• best 配置沉淀

• 训练目标驱动整个流程，而不是默认套用某个任务。
• 定性评估必须和训练领域匹配。
• 搜索方向必须覆盖，或明确记录跳过原因。
• min_experiments 是下限，不是完成条件。
• 报告不能把浅层实验包装成“完整研究完成”。

git clone https://github.com/bzjiang401/autoresearch-lora-buzhou.git
cd autoresearch-lora-buzhou
uv sync

然后让 Agent 进入项目目录，先阅读：

1. START_HERE.md
2. AGENTS.md

再告诉它：

我下载了这个项目，想用它训练一个 [你的目标]

• START_HERE.md
• AGENTS.md
• QUICKSTART.md
• playbook/

• check_env.py：环境检测
• download_model.py：模型下载
• download_data.py：数据准备
• smoke_test.py：冒烟测试
• preflight_check.py：训练前 / 每轮 / 收尾检查
• finetune.py：单轮 LoRA 训练执行器
• generate.py：按领域做定性评估

这个仓库应保留：

• 协议文档
• 脚本
• 配置模板
• 经验规则

这个仓库不应默认携带：

• 个人测试数据
• 个人 session 配置
• checkpoints
• 本地日志
• 旧实验结果