编程智能体与代码 · 工具介绍
Transformers
Transformers 为文本、视觉、音频、视频及多模态模型提供统一的模型定义，用于训练和推理；Pipeline 接口可处理输入预处理并返回任务对应的结果。
Transformers 能做什么
Transformers 为文本、视觉、音频、视频及多模态模型提供统一的模型定义，用于训练和推理；Pipeline 接口可处理输入预处理并返回任务对应的结果。
- 模型API与推理服务
- 模型训练与部署
如何使用 Transformers
用 Pipeline 对一组提示词运行文本生成
准备输入
- 计划使用的文本生成模型和待评估提示词。
- 满足所用版本要求的 Python、PyTorch 环境及模型下载条件。
操作步骤
- 创建环境并安装 Transformers，确认模型来源和运行条件。
- 创建 text-generation Pipeline 并指定模型，首次使用时下载和缓存模型。
- 逐项提交提示词，查看 generated_text，并人工检查生成内容是否符合任务要求。
预期交付物
- 与提示词对应的生成文本及需要改进的样本记录。
Pipeline 会下载并缓存指定模型；源码最新版本可能不稳定，应固定适合项目的版本。生成内容需另行核对，成功返回文本不代表回答正确。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
从编程智能体与代码角度评估Transformers
把编程智能体与代码需要的条件列清楚，再比较工具。阅读本页的产品用途、步骤与限制，再逐项确认下面的问题；这些是选型方法，不表示每款工具都具备同样能力。
能否读懂上下文
确认工具能够读取所需目录，且不会引入不必要的资料。
改动是否可审查
优先能展示差异、保留原文件和逐步验证的工作方式。
测试能否说明问题
测试应覆盖用户可见行为，不只证明代码能运行。
选择一个小样任务，先检查结果与交付格式，再决定是否用于更多资料。
