活动｜2024 CodeFuse 「编码挑战季」活动已开启！欢迎报名参加

关注

原创最新推荐文章于 2026-11-09 07:00:00 发布 687 阅读 AI 写同款· GEO 优化 ›

OSDU（Open Subsurface Data Universe，开放地下数据空间 / 开源地下数据生态系统） OSDU是由油气行业与云厂商共建的开源、云原生数据平台规范，旨在解决勘探开发领域数据孤岛、格式不统一、应用绑定等问题。其核心是“数据与应用解耦”，通过统一元数据模型、API及权限体系，实现跨云、跨项目的数据互通。平台支持地震、井筒、储层等专业数据管理，配套OpenVDS、ETP等标准，适配PB级体数据，支撑AI训练与数字孪生。虽为参考实现，非即用系统，但已成国际油气数字化底座趋势，国内三桶油正推进试点与国产化适配。阅读详情

Hi~开发者们，1024 程序员节快乐，向你们致敬！

CodeFuse 开源一年多以来，受到众多开发者的欢迎。在 1024 程序员节之际，CodeFuse 发起「编码挑战季」活动，诚邀广大开发者们参与 muAgent、MFTCoder、ModelCache、CodeFuse-IDE 代码仓库的编码挑战。

活动介绍

CodeFuse 发起此次「编码挑战季」活动是为了与更多外部开发者建立密切联系。本次参与活动的 4 个仓库共计 20 多个任务，每个代码仓库还有简单、中度、困难三种不同程度的任务分类，开发者可以自由选择自己要感兴趣的项目任务，并跟帖，我们将在第一时间分配任务，完成任务即获得所对应任务的积分。（详细规则见 Github 活动页面https://github.com/orgs/codefuse-ai/discussions/19）

社区任务会在 https://github.com/orgs/codefuse-ai/projects 中进行发放。（手机端可扫描下方二维码查看）

手机端可扫描上方二维码查看

不同难度的任务完成后得分如下，完成任务即得积分，积分可自主兑换 CodeFuse 定制周边礼品（奖品将在活动结束后统一发放）。此外各项目在活动结束后还将依据此次活动参与贡献的情况，为在社区内做出卓越贡献的开发者，奉送神秘大奖，敬请期待~

社区介绍

CodeFuse 自发布之初，就定义了推动研发生命周期自动化的目标：让研发变得更简单。一年来，我们开源了多个自研和微调的代码大模型，模型总下载数近 200 万。2024 年 1 月还在 Big Code Model LeaderBoard 的评测中实现登顶，受到众多开发者的欢迎。未来，我们还将以更开源开放的形式持续输出，欢迎开发者们与我们一路同行，一起参与共建 CodeFuse 社区。

项目介绍

muAgent

一个全新的由LLM与EKG(Eventic Knowledge Graph，行业知识载体)驱动的Agent框架，协同MultiAgent、FunctionCall、CodeInterpreter等，通过基于画布的拖拽和简单的文本书写，大语言模型可以协助您在人为指导下执行各种复杂的SOP。兼容市面上现有的框架，可实现复杂推理、在线协作、人机交互、知识按需四大核心差异化技术功能。此框架已在蚂蚁集团内部多个复杂DevOps场景中得到验证。同时，快来体验我们快速搭建的Undercover游戏吧！

仓库地址：https://github.com/codefuse-ai/CodeFuse-muAgent

MFTCoder

针对代码 LLM 的高精度、高效率多任务微调框架。

MFTCoder是 CodeFuse 的一个开源项目，用于在大型语言模型 (LLM) 上进行准确高效的多任务微调 (MFT)，尤其是 Code-LLM（用于代码任务的大型语言模型）。此外，我们开源了 Code LLM 模型和与代码相关的数据集以及 MFTCoder 框架。

在 MFTCoder 中，我们发布了两个用于微调大型语言模型的代码库：

MFTCoder-accelerate是一个具有加速和 DeepSpeed/FSDP 的框架。所有技术栈都是开源且充满活力的。我们强烈建议您尝试这个框架，让您的财务调整准确而高效。
MFTCoder-atorch基于ATorch框架，这是一个LLM的快速分布式训练框架。

该项目的目标是促进合作并分享大型语言模型的进步，特别是在代码开发领域。

仓库地址：https://github.com/codefuse-ai/MFTCoder

ModelCache

ModelCache 是一个用于大型语言模型（LLM）的语义缓存系统，通过缓存预先生成的模型结果，减少类似请求的响应时间，该项目旨在通过引入缓存机制来优化大模型推理服务，帮助企业和研究机构降低推理部署成本，提高模型性能和效率，并为大型模型提供可扩展的服务。通过开源，我们旨在分享和交流与大型模型语义缓存相关的技术。

仓库地址：https://github.com/codefuse-ai/ModelCache