今天，我要为国产大模型做点事

最新推荐文章于 2025-08-14 13:13:23 发布

原创最新推荐文章于 2025-08-14 13:13:23 发布 · 579 阅读

5 ·

CC 4.0 BY-SA版权

跪着送钱终究是没用的，人家说封就封，连里面的数据都不给你留。所以国产必须要雄起，否则所有人都是loser。

为此，为国产大模型做点反哺，促进国内大模型在AI辅助编程上的整体能力，实现模型层和应用层的良性互动，

我决定为国产大模型做点事：开源一份AI辅助编程数据集和相关的工具套件。

数据集项目地址：https://github.com/allwefantasy/code-dataset

目前主要数据来源为我个人开发的实际项目，涉及到桌面软件，基础库，前后端等等。这些软件都通过 auto-coder.chat + claude sonnet 3.5 生成。并且经过人工校验。

下面是AI辅助编程的本质：

目前累计1282条高质量源码文件+文档 + 修改需求=> SEARCH/REPLACE格式保存的修改后的源码文。

下面是具体的项目数据分布：

如何贡献你的数据

当然，光靠我一个人是远远不够的，必须聚沙成塔才行。任何使用 auto-coder.chat + claude 编程的同学都可以将自己的数据贡献进来。

我们提供了 code-dateset 工具帮助你管理和查看数据。具体做法：

pip install code-dataset
# code-dataset add https://github.com/example/repo.git --alias my-repo
# 添加你d的项目
mkdir  code-dataset && cd code-dataset 
code-dataset add /path/to/local/repo --alias my-rep
# 更新数据集
code-dataset refresh
# 统计条数
code-dataset count

然后将 code-dataset 目录下的数据拷贝出来，然后作为PR 提交到 https://github.com/allwefantasy/code-dataset 项目即可。

todo: code-dataset 我们很快会推出将commit 和需求自动生成数据集的功能，这样无论即使你不使用auto-coder.chat 而是使用 cursor 还是 windsurf 也都能贡献进来。

另外我们也提供了国内的托管地址：