基于DeepSeek-R1-Distill-Qwen-1.5B基座大模型，刑法数据集，lora微调一个法律大模型

注意这几个字段：这个spring-ai-milvus默认的id就是doc_id,且，他会插入数据，所以创建的时候不能用自增，后面的embeding是向量字段，跟你的embedding模型维度一致即可，content就是原为，metadata字段，这几个都是必须字段，缺一不可，缺少就报错。"text": "18. 通过SpringAIAlibaba的配置中心和注册中心实现动态扩展。"text": "

注意这几个字段：这个spring-ai-milvus默认的id就是doc_id,且，他会插入数据，所以创建的时候不能用自增，后面的embeding是向量字段，跟你的embedding模型维度一致即可，content就是原为，metadata字段，这几个都是必须字段，缺一不可，缺少就报错。"text": "18. 通过SpringAIAlibaba的配置中心和注册中心实现动态扩展。"text": "

注意这几个字段：这个spring-ai-milvus默认的id就是doc_id,且，他会插入数据，所以创建的时候不能用自增，后面的embeding是向量字段，跟你的embedding模型维度一致即可，content就是原为，metadata字段，这几个都是必须字段，缺一不可，缺少就报错。"text": "18. 通过SpringAIAlibaba的配置中心和注册中心实现动态扩展。"text": "

使用日常的模式部署vllm+大模型不方便管理大模型，配置比较繁琐这里使用docker+vllm+大模型的方式部署之前部署过，按照官方文档使用 Docker 进行部署 | vLLM 中文站命令如下遇到一些不知名错误显示驱动一些信息报错不存在或者错误。

基于DeepSeek-R1-Distill-Qwen-1.5B基座大模型，刑法数据集，lora微调一个法律大模型

使用日常的模式部署vllm+大模型不方便管理大模型，配置比较繁琐这里使用docker+vllm+大模型的方式部署之前部署过，按照官方文档使用 Docker 进行部署 | vLLM 中文站命令如下遇到一些不知名错误显示驱动一些信息报错不存在或者错误。

基于DeepSeek-R1-Distill-Qwen-1.5B基座大模型，刑法数据集，lora微调一个法律大模型