bilibot 快速上手指南：三步跑通用B站评论微调的本地聊天机器人【免费下载链接】bilibotA local chatbot fine-tuned by bilibili user comments.项目地址: https://gitcode.com/GitHub_Trending/bi/bilibotbilibot 是一个能跑在你自己电脑上的本地聊天机器人，最大的特色是拿B 站真实用户评论微调出来的"灵魂"。它基于 Qwen1.5-32B-Chat，训练用苹果开源的 mlx 框架，所以 Mac 上跑得特别顺。既能像 B 站老用户那样用带刺又机智的语气跟你聊，还能把问答变成语音，用派蒙、林亦的声线念出来。适合想折腾本地大模型、又嫌机器回答太冷冰冰的你。一分钟看懂：它到底解决什么问题 🎯一句话：给你一台有脾气、有梗、还愿意开口说话的本地 AI 嘴替。平时的大模型回答大多是"端着的"，礼貌到没灵魂。bilibot 的做法是——把 B 站用户评论当成训练语料去微调，让它学会那套短平快、带情绪的说话方式。于是你问它一个无厘头的问题，它不会给你念百科，而是甩你一句老用户式的机智"怼"。再加上 GPT-SoVITS 的语音能力，它还能一唱一和地把问答念出声，把"文字聊天"升级成"语音小剧场"。整个项目不复杂：几个脚本、几份提示词、一个量化压缩工具，全在本地跑，数据不出门。三步准备并跑起来下面这三步走完，你就能看到第一个"暴躁回复"。第一步：备好 Python 环境项目跑在 Python 3.10 上，作者用 Anaconda 验证过（macOS 已测试通过）。建一个干净环境最省心：conda create -n bilibot python=3.10 && conda activate bilibot预期看到：命令行提示符前面多了个(bilibot)，说明环境已就位。第二步：拉项目、装依赖先把代码拿到本地（这是全文唯一需要 clone 的地方）：git clone https://gitcode.com/GitHub_Trending/bi/bilibot && cd bilibot pip install -r requirements.txt预期看到：mlx、mlx-lm、simpleaudio三个包依次装好，结尾没有 ERROR。第三步：第一次跑起来⚠️ 关键点：脚本里写的是../models/这种相对路径，所以必须在main/目录里运行，在项目根目录直接跑会找不到模型。cd main python chat.py预期看到：屏幕出现用户:提示符。你敲一句问题，它立刻回一句 B 站老用户风格的"怼"话，后面还跟着一行(Time xxx ms)的生成耗时——这个数字能让你直观感受出词快慢。想退出就输入quit()。核心功能快速体验玩法一：文字聊天，体验"暴躁老用户"场景：想找个不冷场、还愿意跟你抬杠的本地嘴替。操作：在跑起的 main/chat.py 窗口里直接打字提问；想换它的脾气，去改 text/chat_template.txt 里的提示词（默认人设就是"一位 B 站老用户，用暴躁的语言风格给出简短、机智的回答"）。效果：每条回答都带温度、带耗时统计，风格切换只靠改一个文本文件，非常直观。玩法二：语音问答，派蒙 + 林亦对唱 🎧场景：不满足于看字，想听机器"开口"。操作：先按 README 起好 GPT-SoVITS 的两个语音服务（9880 端口派蒙、9881 端口林亦），再运行 main/start_qa_dialogue.py，它会遍历 text/questions.txt 里的问题逐条生成。效果：问题用派蒙念、回答用林亦念，一唱一和，屏幕上还打印每句的语音生成耗时，像个小型有声播客。配置要点：只记这几处就够了 🛠️真正需要你知道的"开关"没几个：配置位置它控制什么人设与语气text/chat_template.txt"暴躁老用户"这味就在这，改它=换风格语音问题清单text/questions.txt一行一个问题，语音问答就照着念实际加载的模型models/Qwen1.5-32B-Chat-FT-4Bit/脚本按这个名字找模型，目录名必须对得上语音服务端口9880/9881两个 TTS 服务的固定地址，改了要同步脚本其余的模型训练、量化都是可选项，第一次上手不用碰。常见坑与下一步坑一：models/目录是空的仓库的 .gitignore 把models/*忽略了——模型太大，没传上来。所以首次跑之前你得自己把模型备齐：先放好 Qwen1.5-32B-Chat 基础模型，再按 README 走"微调 → 合并 adapter → 量化"三步，最后用 tools/compress_model.py 压出 4Bit 版本，脚本才找得到Qwen1.5-32B-Chat-FT-4Bit。坑二：语音报连接错误 / 连不上九成是 GPT-SoVITS 服务没起，或端口不对。确认9880、9881两个 api 都活着，再跑 main/start_qa_dialogue.py，否则问题语音那一步就会直接失败。下一步往哪走🚀想自己训：照着 README 里的mlx_lm.lora微调命令，换你自己的评论语料。想让出词更快：跑 tools/compress_model.py 做量化压缩。想抠语音细节：去看 GPT-SoVITS 的官方指南，把两个 api 起顺。把这三步走通，你就拥有了一台会"怼人"还会开口的本地 bilibot，剩下的就是改提示词、换问题、调风格——全在你手里。【免费下载链接】bilibotA local chatbot fine-tuned by bilibili user comments.项目地址: https://gitcode.com/GitHub_Trending/bi/bilibot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
bilibot 快速上手指南：三步跑通用B站评论微调的本地聊天机器人【免费下载链接】bilibotA local chatbot fine-tuned by bilibili user comments.项目地址: https://gitcode.com/GitHub_Trending/bi/bilibotbilibot 是一个能跑在你自己电脑上的本地聊天机器人，最大的特色是拿B 站真实用户评论微调出来的"灵魂"。它基于 Qwen1.5-32B-Chat，训练用苹果开源的 mlx 框架，所以 Mac 上跑得特别顺。既能像 B 站老用户那样用带刺又机智的语气跟你聊，还能把问答变成语音，用派蒙、林亦的声线念出来。适合想折腾本地大模型、又嫌机器回答太冷冰冰的你。一分钟看懂：它到底解决什么问题 🎯一句话：给你一台有脾气、有梗、还愿意开口说话的本地 AI 嘴替。平时的大模型回答大多是"端着的"，礼貌到没灵魂。bilibot 的做法是——把 B 站用户评论当成训练语料去微调，让它学会那套短平快、带情绪的说话方式。于是你问它一个无厘头的问题，它不会给你念百科，而是甩你一句老用户式的机智"怼"。再加上 GPT-SoVITS 的语音能力，它还能一唱一和地把问答念出声，把"文字聊天"升级成"语音小剧场"。整个项目不复杂：几个脚本、几份提示词、一个量化压缩工具，全在本地跑，数据不出门。三步准备并跑起来下面这三步走完，你就能看到第一个"暴躁回复"。第一步：备好 Python 环境项目跑在 Python 3.10 上，作者用 Anaconda 验证过（macOS 已测试通过）。建一个干净环境最省心：conda create -n bilibot python=3.10 && conda activate bilibot预期看到：命令行提示符前面多了个(bilibot)，说明环境已就位。第二步：拉项目、装依赖先把代码拿到本地（这是全文唯一需要 clone 的地方）：git clone https://gitcode.com/GitHub_Trending/bi/bilibot && cd bilibot pip install -r requirements.txt预期看到：mlx、mlx-lm、simpleaudio三个包依次装好，结尾没有 ERROR。第三步：第一次跑起来⚠️ 关键点：脚本里写的是../models/这种相对路径，所以必须在main/目录里运行，在项目根目录直接跑会找不到模型。cd main python chat.py预期看到：屏幕出现用户:提示符。你敲一句问题，它立刻回一句 B 站老用户风格的"怼"话，后面还跟着一行(Time xxx ms)的生成耗时——这个数字能让你直观感受出词快慢。想退出就输入quit()。核心功能快速体验玩法一：文字聊天，体验"暴躁老用户"场景：想找个不冷场、还愿意跟你抬杠的本地嘴替。操作：在跑起的 main/chat.py 窗口里直接打字提问；想换它的脾气，去改 text/chat_template.txt 里的提示词（默认人设就是"一位 B 站老用户，用暴躁的语言风格给出简短、机智的回答"）。效果：每条回答都带温度、带耗时统计，风格切换只靠改一个文本文件，非常直观。玩法二：语音问答，派蒙 + 林亦对唱 🎧场景：不满足于看字，想听机器"开口"。操作：先按 README 起好 GPT-SoVITS 的两个语音服务（9880 端口派蒙、9881 端口林亦），再运行 main/start_qa_dialogue.py，它会遍历 text/questions.txt 里的问题逐条生成。效果：问题用派蒙念、回答用林亦念，一唱一和，屏幕上还打印每句的语音生成耗时，像个小型有声播客。配置要点：只记这几处就够了 🛠️真正需要你知道的"开关"没几个：配置位置它控制什么人设与语气text/chat_template.txt"暴躁老用户"这味就在这，改它=换风格语音问题清单text/questions.txt一行一个问题，语音问答就照着念实际加载的模型models/Qwen1.5-32B-Chat-FT-4Bit/脚本按这个名字找模型，目录名必须对得上语音服务端口9880/9881两个 TTS 服务的固定地址，改了要同步脚本其余的模型训练、量化都是可选项，第一次上手不用碰。常见坑与下一步坑一：models/目录是空的仓库的 .gitignore 把models/*忽略了——模型太大，没传上来。所以首次跑之前你得自己把模型备齐：先放好 Qwen1.5-32B-Chat 基础模型，再按 README 走"微调 → 合并 adapter → 量化"三步，最后用 tools/compress_model.py 压出 4Bit 版本，脚本才找得到Qwen1.5-32B-Chat-FT-4Bit。坑二：语音报连接错误 / 连不上九成是 GPT-SoVITS 服务没起，或端口不对。确认9880、9881两个 api 都活着，再跑 main/start_qa_dialogue.py，否则问题语音那一步就会直接失败。下一步往哪走🚀想自己训：照着 README 里的mlx_lm.lora微调命令，换你自己的评论语料。想让出词更快：跑 tools/compress_model.py 做量化压缩。想抠语音细节：去看 GPT-SoVITS 的官方指南，把两个 api 起顺。把这三步走通，你就拥有了一台会"怼人"还会开口的本地 bilibot，剩下的就是改提示词、换问题、调风格——全在你手里。【免费下载链接】bilibotA local chatbot fine-tuned by bilibili user comments.项目地址: https://gitcode.com/GitHub_Trending/bi/bilibot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考