volotat/mini-AGI

它是什么

mini-AGI 是一个持续学习模型，由开发者 volotat 用 Python 从零训练完成。整个训练过程仅依赖一台配备 8GB 显存的笔记本，数据以 batch-1 的流式方式输入，无需大规模集群。

核心亮点

• 极低硬件门槛：8GB 显存即可跑通，打破“AGI 必须堆算力”的刻板印象。
• 持续学习机制：模型在流式数据中不断更新，而非一次性离线训练。
• 从零实现：不依赖预训练权重，代码简洁，MIT 协议开源。

为什么火

项目戳中了社区对“小而美”AI 实验的期待：用消费级硬件探索持续学习与 AGI 雏形，714 颗星说明开发者对低成本、可复现研究的强烈兴趣。

适合谁用

• 想研究持续学习、在线学习的学生与独立开发者
• 显存有限但希望动手训练模型的人
• 对 AGI 路径好奇、喜欢读轻量级实现代码的工程师

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 README 中的数据流配置说明，再按需调整 batch 与学习率。