【书生大模型实战营（暑假场）】入门任务二 Git 关卡

入门任务二 Git 关卡

• 教程
• 任务
  注意：
  项目Github链接

1 闯关任务

1.1 使用 Git 完成破冰介绍

本任务将基于开发机实现，重点在于熟悉Git操作。首先要了解 Git操作的常见四部曲，即：舔 Add，提 Commit，拉 Pull，推 Push，关于这些指令的作用，可以参考本关卡的教程部分，具有非常精炼的介绍。

添（Add） 命令：git add <文件名> 或 git add .

• 作用：将修改过的文件添加到本地暂存区（Staging
  Area）。这一步是准备阶段，你可以选择性地添加文件，决定哪些修改应该被包括在即将进行的提交中。

提（Commit） 命令：git commit -m ‘描述信息’

• 作用：将暂存区中的更改提交到本地仓库。这一步是将你的更改正式记录下来，每次提交都应附带一个清晰的描述信息，说明这次提交的目的或所解决的问题。

拉（Pull） 命令：git pull

• 作用：从远程仓库拉取最新的内容到本地仓库，并自动尝试合并到当前分支。这一步是同步的重要环节，确保你的工作基于最新的项目状态进行。在多人协作中，定期拉取可以避免将来的合并冲突。

推（Push） 命令：git push

• 作用：将本地仓库的更改推送到远程仓库。这一步是共享你的工作成果，让团队成员看到你的贡献。

下面，我们在开发机进行具体操作。对照教程内容按步骤操作即可，首先，将目标仓库fork到自己的仓库，并将仓库内容git clone到开发机。而后根据个人问卷 ID创建分支并创建破冰文件。

git clone https://github.com/MrCatAI/Tutorial.git # 修改为自己frok的仓库
cd Tutorial/
git branch -a
git checkout -b camp3 origin/camp3
git checkout -b camp3_158 # 自定义一个新的分支
touch ./data/Git/task/camp3_158.md #修改为自己的问卷ID
1
2
3
4
5
6

git clone到开发机的文件在新建的破冰文件编辑内容后，利用我们学到的 git 操作知识将更改提交到分支，并 push 到主要分支即可

git add .
git commit -m "add git_158_introduction" # 提交信息记录
git push origin camp3_158
1
2
3

1.2 实践项目：构建个人项目

本项目将学习在Github构建个人仓库，用于提交笔记、心得体会，或分享项目和创意等。

项目链接：LazyCooking

懒人今天做什么吃 LazyCooking 项目详细计划

项目简介

“懒人今天做什么吃” 是一款个性化的烹饪指导应用，旨在根据用户当天的食材，推荐便捷但美味且营养的菜谱。通过智能助手的帮助，用户可以轻松地准备健康、美味的餐点，享受更加便捷的烹饪体验。

项目目标

• 提供基于当天食材的便捷菜谱推荐
• 提供详细的烹饪指导
• 提供营养分析和健康建议
• 提供购物清单生成功能

功能特点

1. 当天食材输入

   • 食材扫描：用户可以通过拍照或手动输入的方式，快速录入当天可用的食材。
   • 食材识别：使用图像识别技术，自动识别用户上传的食材。

2. 便捷菜谱推荐

   • 快捷菜谱库：内置丰富的快捷菜谱库，每个菜谱都经过优化，确保在最短时间内完成。
   • 个性化推荐：根据用户的饮食偏好和健康需求，推荐适合当天食材的快捷菜谱。

3. 详细的烹饪指导

   • 分步指导：提供分步的烹饪指导，包括准备工作、烹饪步骤和注意事项。
   • 时间管理：提供烹饪时间的管理和提醒，确保每道菜按时完成。
   • 互动问答：用户可以在烹饪过程中向助手提问，获得即时帮助。

4. 营养分析和健康建议

   • 营养成分分析：分析每道菜的营养成分（如热量、蛋白质、脂肪、碳水化合物等）。
   • 健康建议：根据用户的健康需求，提供个性化的饮食建议。

5. 购物清单生成

   • 自动生成购物清单：根据推荐的菜谱生成购物清单，方便用户补充食材。
   • 清单管理：用户可以添加、删除或标记购物清单中的项目。
   • 购物建议：根据用户的购物习惯，提供购物建议和促销信息。

技术框架

1. 基础模型

   • 使用 InternLM 基础模型，结合增量训练和微调（SFT）技术，增强模型对烹饪和营养知识的理解和生成能力。

2. 数据收集与预处理

   • 数据来源：收集快捷菜谱数据、营养数据、用户反馈数据等。
   • 数据清洗：对数据进行清洗和格式化处理，确保数据质量。

3. 模型训练与优化

   • 增量训练：在现有模型基础上，进行增量训练，提高模型的烹饪指导能力。
   • 微调：结合具体的快捷菜谱数据和用户需求，进行模型微调。

4. 交互界面开发

   • 移动应用：开发适用于 Android 和 iOS 平台的移动应用，提供友好的用户界面。
   • WebUI：开发 Web 界面，用户可以通过浏览器访问和使用助手功能。
   • 智能家居集成：集成到智能冰箱、智能厨房设备等，提供更加便捷的使用体验。

5. 测试与发布

   • 功能测试：对各项功能进行全面测试，确保其稳定性和准确性。
   • 用户测试：邀请部分用户进行测试，收集反馈并进行优化。
   • 正式发布：在应用商店和官方网站上正式发布应用，并进行推广。

实施步骤

1. 需求分析

   • 与目标用户进行沟通，详细了解他们的需求和偏好。
   • 确定项目的具体功能和技术方案。

2. 数据收集与预处理

   • 编写数据收集脚本，获取所需的快捷菜谱和营养数据。
   • 对数据进行清洗和格式化处理，确保数据的准确性和一致性。

3. 模型训练与优化

   • 使用 InternLM 模型进行增量训练和微调，增强其对烹饪和营养知识的理解。
   • 进行初步测试和优化，确保模型的性能。

4. 交互界面开发

   • 设计和开发移动应用和 WebUI，确保其易用性和美观性。
   • 集成到智能家居设备，提供更加便捷的使用体验。

5. 测试与发布

   • 进行功能测试和用户测试，收集反馈并进行优化。
   • 正式发布应用，并进行推广，吸引更多用户使用。

特别鸣谢

• 感谢所有提供数据和反馈的用户。
• 感谢开发团队的辛勤付出和技术支持。
• 感谢所有支持和鼓励我们的人。
• 本项目基于 InternLM 教程构建 InternLM教程。

一起拥抱 LLM 的浪潮吧！