🚀 Tessa-T1:基於Qwen2.5的React推理模型
Tessa-T1是一款創新的基於Transformer的React推理模型,它基於強大的Qwen2.5-Coder-3B-Instruct基礎模型進行微調。該模型專為React前端開發而設計,能夠利用先進的推理能力自主生成結構良好、具有語義的React組件。將其集成到代理系統中,使其成為自動化Web界面開發和前端代碼智能化的強大工具。
🚀 快速開始
本部分將為你展示如何快速使用Tessa-T1模型。以下是一個推理示例:
from transformers import AutoModelForCausalLM, AutoTokenizer
model_name = "smirki/Tessa-T1"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name).to("cuda")
prompt = """<|im_start|>user
Create a React component for a user profile card.<|im_end|>
<|im_start|>assistant
<|im_start|>think
"""
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")
outputs = model.generate(**inputs, max_new_tokens=1500, do_sample=True, temperature=0.7)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))
✨ 主要特性
- 針對React的推理能力:能夠準確生成具有功能和語義的React組件。
- 與代理系統集成:可以無縫融入基於AI的編碼代理和自主前端系統。
- 上下文感知生成:有效理解和利用UI上下文,提供相關的代碼解決方案。
💻 使用示例
基礎用法
from transformers import AutoModelForCausalLM, AutoTokenizer
model_name = "smirki/Tessa-T1"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name).to("cuda")
prompt = """<|im_start|>user
Create a React component for a user profile card.<|im_end|>
<|im_start|>assistant
<|im_start|>think
"""
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")
outputs = model.generate(**inputs, max_new_tokens=1500, do_sample=True, temperature=0.7)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))
📚 詳細文檔
使用場景
推薦用途
- 自動組件生成:根據文本提示快速生成React組件。
- 基於代理的Web開發:集成到自動化編碼系統中,加快前端工作流程。
- 前端重構:自動優化和增強React代碼的語義。
侷限性
- 專注於React:在React.js框架之外的應用有限。
- 複雜狀態管理:對於高度動態的狀態管理場景,可能需要手動調整。
性能與評估
- 優點:
- 強大的語義React組件生成能力。
- 與基於代理的系統具有出色的集成能力。
- 缺點:
- 複雜的JavaScript邏輯可能需要手動後處理。
🔧 技術細節
屬性 |
詳情 |
模型類型 |
基於Transformer的大語言模型 |
基礎模型 |
Qwen2.5-Coder-3B-Instruct |
精度 |
bf16混合精度,量化到q8 |
硬件要求 |
建議12GB顯存 |
軟件依賴 |
Hugging Face Transformers、PyTorch |
📄 許可證
本模型採用Apache-2.0許可證。
引用
@misc{smirki_Tessa-T1,
title={Tessa-T1: React-Focused Reasoning Model for Component Generation},
author={tesslate},
year={2025},
publisher={Hugging Face},
url={https://huggingface.co/tesslate/Tessa-T1}
}
聯繫與社區
由vichar ai贊助 Huggingface 官網
示例輸出
以下是展示Tessa-T1強大推理和組件創建能力的示例:
AI上傳
虛擬機控制檯

播放列表管理

提示:"add in a calendar"
