这个项目是在 Apple M4 Mac mini 16GB 上，用 MLX 从随机初始化开始训练一个 TinyStories 风格的小型 GPT 模型。它不是调用 API，也不是微调现成模型，而是把数据准备、tokenizer、模型结构、训练循环、checkpoint 和推理生成完整走了一遍。

这篇记录更偏工程复盘：重点不是训练出一个能聊天的模型，而是验证个人机器能不能完整跑通一次小规模 LLM 训练。

项目地址：sergioperezcheco/llm-from-scratch

这篇文章目前还没有补完整。后续如果继续写，建议重点说明风险边界、合法性和只读验证方式，避免把它写成滥用公开服务的教程。

硅基流动提供了 DeepSeek-R1 等模型的 API 服务，可以配合 Cherry Studio 这类客户端使用。本文记录账号注册、API Key 获取和客户端配置流程。

为什么使用本地大模型

1. 近日DeepSeek官网过于火爆，时常不回复
   

2. 本地部署有更高的安全性

3. 本地部署可以绕过一些官方的限制