volotat/mini-AGI

它是什么

mini-AGI 是一个持续学习（Continual Learning）模型，由开发者 volotat 用纯 Python 从零训练完成。整个训练过程仅需一台 8GB 显存的笔记本，数据以 batch-1 的流式方式喂入——没有大规模集群，也没有离线数据集。

核心亮点

• 极低资源门槛：8GB VRAM 即可跑通完整训练流程
• 流式持续学习：batch-1 数据流，模拟在线学习场景，避免灾难性遗忘
• 从零构建：不依赖预训练权重，架构与训练逻辑完全自研
• MIT 许可：可自由修改、商用、二次分发

为什么火

在动辄千卡集群训练大模型的当下，mini-AGI 反其道而行，用一台普通笔记本证明"持续学习"不必依赖海量算力。它戳中了独立研究者和学生群体的痛点——想玩 AGI 方向却买不起 GPU。768 星虽不算爆款，但增长稳定，属于典型的"技术理念先行"项目。

适合谁用

• 对持续学习、在线学习感兴趣的研究者
• 显存有限但想动手实验的个人开发者
• 想理解 AGI 底层机制、不愿只调 API 的学习者

快速上手

git clone https://github.com/volotat/mini-AGI
cd mini-AGI
pip install -r requirements.txt
python train.py

建议先阅读仓库 README 中的架构说明，再根据自身显存调整 batch 与序列长度参数。