一、这个数据集是做什么的？🎯

Qwen3.8-27B-multi-turn-agent-sft是欧洲研究团队 UkisAI 开源的一份Agent 监督微调（SFT）数据集，专门用于训练大模型完成终端操作、编码与软件工程任务。它基于 OpenThoughts-Agent-v1-SFT 数据集的思路构建，全部轨迹由Qwen3.8-27B（FP16）在 Terminus-2 agentic harness 中真实运行生成，共包含约15,200 条多轮 Agent 轨迹，覆盖终端、编码和软件工程三大类任务，其中包括nl2bash和InferredBugs等经典基准任务。

简单说：你用它做 SFT，就能让模型学会"像人一样操作终端、调用工具、修 bug"。项目信息详见 README.md，核心数据文件为 qwen38-agent-sft-combined-100pct.parquet。

二、数据集核心特性一览

💡 这份数据的设计定位是训练的第一阶段（SFT 冷启动）：先用强教师 Agent 的轨迹让模型掌握"如何与环境交互"，之后再进入强化学习阶段。这正是 OpenThoughts-Agent 项目验证过的两阶段训练路线。

三、开始前的准备工作 ✅

1. 硬件建议

• 显存：完整微调 27B 级别模型需要多卡环境；新手推荐使用LoRA / QLoRA 微调，单卡 24GB（如 RTX 3090/4090）即可起步。
• 存储：预留至少 20GB 磁盘空间存放模型权重与数据。

2. 获取数据集

git clone https://gitcode.com/hf_mirrors/ukisai/Qwen3.8-27B-multi-turn-agent-sft.git

克隆后你会得到两个文件：

• README.md：数据集说明与用途
• qwen38-agent-sft-combined-100pct.parquet：全量轨迹数据（约 145MB，通过 Git LFS 存储）

3. 环境依赖

pip install pandas pyarrow

四、实战步骤：训练你的第一个终端 Agent 模型 🚀

第 1 步：检查数据结构

先用几行代码确认数据能正常读取（注意该文件为 Parquet 格式，需用pandas或pyarrow加载，不能当普通文本打开）：

import pandas as pd df = pd.read_parquet("qwen38-agent-sft-combined-100pct.parquet") print(df.shape) print(df.columns.tolist()) print(df.iloc[0]) # 查看第一条轨迹

每条轨迹记录了 Agent 在终端中多轮交互的完整过程：任务指令 → 模型思考与命令生成 → 终端输出 → 下一步动作……这种"指令-动作-反馈"的结构就是 SFT 训练的核心素材。

第 2 步：整理成微调格式

把轨迹转换为你的训练框架需要的格式（通常是instruction / input / output或messages多轮对话结构）。以 messages 格式为例，思路如下：

# 伪代码：把一条轨迹拆成多轮 messages for turn in trace: if turn.role == "assistant": messages.append({"role": "assistant", "content": turn.content}) # 只训练 assistant 部分 else: messages.append({"role": "user", "content": turn.content})

⚠️ 关键原则：loss 只计算 assistant（模型输出）的 token，用户消息和终端输出部分应 mask 掉，否则会教模型"背诵环境"。

第 3 步：配置训练参数（LoRA 快速起步）

以 LLaMA-Factory、ms-swift 等主流框架为例，推荐的新手超参：

💡上下文长度是最容易被忽视的坑：Agent 轨迹包含多轮终端输出，截断过短会让模型学不到完整的任务闭环。

第 4 步：验证训练效果

训练完成后，用终端任务做人工评测：

1. 让模型在干净的终端环境中执行简单指令，如"列出当前目录大于 1MB 的文件并排序"；
2. 观察它是否输出可直接执行的 bash 命令，而非解释性文字；
3. 检查多轮场景：当命令报错时，模型能否根据报错信息自我修正。

五、常见问题解答 ❓

Q1：为什么用 Qwen3.8-27B 生成的轨迹来训练？强模型生成的轨迹质量更高，属于"教师-学生"蒸馏式冷启动。数据由 FP16 精度模型生成，与主流训练精度匹配，无量化噪声。

Q2：15,200 条数据够训练吗？对于 SFT 冷启动足够——阶段目标是学会"交互格式与工具使用习惯"，而非刷高基准分数。后续可叠加更多数据或进入 RL 阶段。

Q3：可以直接拿来做强化学习（RL）吗？可以。README.md 中明确说明：该数据集可作为进一步后训练或强化学习的起点，与 OpenThoughts-Agent 的两阶段路线一致。

Q4：Parquet 文件为什么打不开？qwen38-agent-sft-combined-100pct.parquet 通过 Git LFS 存储，clone 时必须安装 Git LFS 并执行git lfs pull，否则只会下载到 134 字节的指针文件。

六、总结 📌

• Qwen3.8-27B-multi-turn-agent-sft提供约 15,200 条真实终端 Agent 轨迹，Apache-2.0 协议免费使用；
• 新手路线：LoRA 微调 + mask 非模型 token + 足够的上下文长度，三步即可让模型具备终端操作能力；
• 进阶路线：SFT 冷启动之后，可接入强化学习进一步提升任务成功率；
• 遇到问题或有好点子，欢迎到项目 Issue 区反馈交流。

动手试试吧，你的第一个会敲命令的 Agent 模型离你只隔一次训练的距离！🔥