本文记录了如何在 3 天内使用 GPT-OSS 开源权重搭建一个 在线编程课 AI 助教追问式对话 API，从需求分析、数据准备到微调与部署全流程实战。
1️⃣ 需求与指标
- 回答准确率 ≥ 95%
- 响应延迟 < 1 秒
- 支持多学生并发提问
2️⃣ 数据准备
- 收集课程问答对
- 清理无效数据、去重
- 制作训练集和验证集（1k 条示例）
# 示例：加载训练数据
import pandas as pd
train_data = pd.read_csv('qa_dataset.csv')
print(train_data.head())
3️⃣ 模型微调
- 使用 GPT-OSS 开源权重
- LoRA + Adapter 微调
- 生成专属 Prompt，提高回答精准度
# 微调示例
from gpt_oss import GPTOSS
model = GPTOSS.load_pretrained('gpt-oss-base')
model.finetune(train_data, adapter='lora')
4️⃣ API 部署
- 使用 FastAPI 部署接口
- 支持多线程并发
- 提供
/ask接口，学生输入问题即可获得回答
from fastapi import FastAPI
app = FastAPI()@app.post("/ask")
def ask(question: str):answer = model.predict(question)return {"answer": answer}
5️⃣ 测试与优化
- 压测 API 并记录日志
- 常见问题优化 Prompt
- 评估准确率与响应时间
✅ 实战效果
- 学生提问平均响应时间：从 10 分钟 → 5 秒
- 回答命中率 96%
- 提升学习体验，减少人工辅导压力
引流提示
完整代码、微调脚本及部署指南已托管至官网，欢迎查看并 Star 👉 官网链接
