揭秘Qwen3.8-27B-multi-turn-agent-sft生成流水线：Terminus-2如何采集高质量Agent轨迹

这是欧洲研究团队 UkisAI 发布的一款 Agent 导向的监督微调（SFT）数据集，基于开源的 OpenThoughts-Agent-v1-SFT 方案，使用Qwen3.8-27B（FP16）教师模型与Terminus-2agentic harness 自动采集了约15,200 条多轮终端 Agent 轨迹。本文完整拆解它的生成流水线，帮助新手快速看懂 Agent SFT 训练数据背后的采集逻辑，以及如何加载这份数据做模型后训练。

一、📦 数据集概览：里面装了什么？

先拆解流水线之前，先看这份数据集的"身份证"：

仓库中唯一的가核心数据文件是 qwen38-agent-sft-combined-100pct.parquet（约 139MB，通过 Git LFS 存储）。从文件名中的combined-100pct可以看出，这是轨迹的全量合并版本，适合一次性整体加载用于训练。

二、🤖 生成流水线：Terminus-2 如何采集 Agent 轨迹

这份数据的核心卖点在于：它不是人工标注，而是由"教师模型 + Agent 框架"流水线自动生成的。理解整个流程只需三步。

1. 教师模型：Qwen3.8-27B 以 FP16 运行

数据集中的每条轨迹（trace）都由教师模型生成的"示范答案"。UkisAI 选用Qwen3.8-27B以FP16精度作为轨迹生成器——27B 规模在推理能力与生成成本之间取得了平衡，FP16 精度则保证长多轮轨迹生成的数值稳定。

教师模型的任务是逐步完成真实终端操作：思考 → 发出命令 → 观察输出 → 调整下一步。完整的"思考 + 动作 + 观察"过程被记录为一条轨迹。

2. Agent 框架：Terminus-2 的职责

Terminus-2是一个 agentic harness，为教师模型提供真实的终端环境与工具调用接口，主要承担三项工作：

• 任务分发：把终端 / 编码 / 软件工程任务逐条喂给教师模型
• 环境执行：真实运行模型发出的命令并返回 stdout / stderr
• 轨迹记录：将多轮交互（包括工具调用及其结果）完整落盘为结构化 SFT 样本

这正是项目名中multi-turn的价值所在：每条轨迹不是单轮问答，而是由多轮"思考—命令—输出反馈"组成的完整任务闭环。

3. 任务来源：nl2bash 与 InferredBugs 双料覆盖

用于采集轨迹的任务主要来自两个开源任务集，覆盖两类典型场景：

• nl2bash：自然语言转 Shell 命令的任务，考察把用户请求翻译为可执行命令的能力
• InferredBugs：软件工程中"发现并修复缺陷"类任务，考察真实代码库中的长链推理与改码能力

两类任务混合，使采集到的轨迹同时覆盖短平快命令与长链路工程流程，SFT 数据分布更均衡。

三、📥 如何获取并加载这份数据集

数据集文件较大且以 Git LFS 存储，克隆仓库前建议先确认已安装git-lfs：

git clone https://gitcode.com/hf_mirrors/ukisai/Qwen3.8-27B-multi-turn-agent-sft git lfs pull

加载后可以快速检查轨迹的结构（Parquet 被主流工具原生支持）：

import pandas as pd df = pd.read_parquet("qwen38-agent-sft-combined-100pct.parquet") print(df.shape, df.columns)

四、🎯 SFT 训练怎么用：Intended use 详解

项目 README.md 中明确了数据集的定位，它主要有三个用途：

1. 能力预热（warm-start）：训练模型与终端交互、调用工具、解决编码与软件工程任务的基础能力
2. 后训练第一阶段：沿用 OpenThoughts-Agent 项目范式，先 SFT 打底，再切换到强化学习（RL）阶段
3. 基线与消融数据：27B 教师模型是一个可复现的控制变量，便于研究教师能力上限对学生模型的影响

典型训练链路如下：

Qwen3.8-27B 轨迹（本数据集） → SFT 预热 → 强化学习 → 终端 Agent 模型

五、📁 文件结构与关键路径

仓库结构非常精简，只有两个核心文件：

💡 数据集采用Apache-2.0许可证发布，研究、学习与商业用途均可使用；项目基于 OpenThoughts-Agent-v1-SFT 的开源工作构建，并致谢了 OpenThoughts 团队。

六、总结：一条可复现的 Agent SFT 数据生产链路

Qwen3.8-27B-multi-turn-agent-sft 的生成流水线并不复杂：

• 任务来源：nl2bash + InferredBugs 两类开源任务
• 轨迹生成：Qwen3.8-27B（FP16）教师模型在 Terminus-2 框架中完成真实终端任务
• 数据产出：约 15,200 条多轮 Agent 轨迹，合并为单个 Parquet 文件

对做 Agent 训练的新手而言，这个项目最有参考价值的地方在于：用"教师模型 + 真实终端环境"自动采集轨迹，再用 SFT 作为 RL 前的预热阶段——这是一条当前非常主流且可直接复现的 Agent SFT 数据生产链路。