curator

环境要求

• 已安装 Python 与 pip（README 未指定具体版本）
• 可访问 PyPI 的网络环境
• 运行真实 Fireworks 微调需有训练配额的账号（Tier 2 / credits）
• 没有 Fireworks SDK 或 API Key 时，可在 mock 模式下离线运行示例与测试

安装与启动步骤

1. 1安装 curator

   README 给出的唯一安装命令，从 PyPI 安装官方包 bespokelabs-curator。建议在虚拟环境中执行。

   pip install bespokelabs-curator

   复制

2. 2确认安装成功

   用 pip show 查看该包的信息，能显示版本号与安装位置即表示安装成功。

   pip show bespokelabs-curator

   复制

3. 3准备 Fireworks 账号

   README 说明真实训练需要带训练配额的 Fireworks 账号（Tier 2 / credits）；无 SDK 或 API Key 时训练器会进入 mock 模式。

4. 4运行微调示例

   参考仓库 examples/fireworks/ 下的 basic 与 custom-trainer 示例，用 FireworksTrainer 上传数据并启动 SFT 训练。README 未给出示例具体文件名，请以仓库内实际文件为准。

5. 5从检查点恢复训练

   结果对象提供 result.checkpoints（CheckpointInfo 列表），可加载最后一个检查点继续训练，避免重跑已完成的步数。

   trainer.load_checkpoint(result.checkpoints[-1])

   复制

如何确认成功

执行 pip show bespokelabs-curator 能看到版本号；或运行 examples/fireworks/ 示例后打印出 Fine-tuned model: <weights_name>。

常见问题

注意事项

• README 只提供了 pip 安装方式，未给出源码克隆、Docker 或云部署步骤。
• Fireworks 部署是按需创建的无服务器部署，启动需要几分钟，完成后记得调用 trainer.close() 释放资源。
• 训练完成后可从 result.weights_name 获取微调模型名称。
• 示例代码与命令请以仓库 examples/fireworks/ 目录的实际内容为准。