一、介绍
Seed-Coder 由字节跳动 Seed 团队于 2025 年 5 月开源，是一款专注于代码生成、补全与推理的 8B 参数大模型（基于 Llama 3 架构），支持 32K 超长上下文，包含 Base、Instruct、Reasoning 三个变体，以 “模型自驱动数据筛选” 为核心创新，显著减少人工干预，提升代码生成质量与效率。
🌟 亮点
以模型为中心： Seed-Coder 主要利用 LLM 而不是手工制作的规则来过滤代码数据，从而最大限度地减少预训练数据构建中的手动工作。
透明：我们公开分享以模型为中心的数据管道的详细见解，包括管理 GitHub 数据、提交数据和代码相关的网络数据的方法。
强大： Seed-Coder 在各种编码任务中实现了与同等规模的开源模型中最先进的性能。
二、部署过程
基础环境最低要求说明：
| 环境名称 | 版本信息1 |
|---|---|
| Ubuntu | 22.04.4 LTS |
| Cuda | V12.4.105 |
| Python | 3.12 |
| NVIDIA Corporation | RTX 4090 |
1. 更新基础软件包
查看系统版本信息
# 查看系统版本信息，包括ID（如ubuntu、centos等）、版本号、名称、版本号ID等cat /etc/os-release配置 apt 国内源
# 更新软件包列表apt-get update这个命令用于更新本地软件包索引。它会从所有配置的源中检索最新的软件包列表信息，但不会安装或升级任何软件包。这是安装新软件包或进行软件包升级之前的推荐步骤，因为它确保了您获取的是最新版本的软件包。
# 安装 Vim 编辑器apt-get install -y vim这个命令用于安装 Vim 文本编辑器。-y 选项表示自动回答所有的提示为“是”，这样在安装过程中就不需要手动确认。Vim 是一个非常强大的文本编辑器，广泛用于编程和配置文件的编辑。
为了安全起见，先备份当前的 sources.list 文件之后，再进行修改：
# 备份现有的软件源列表cp /etc/apt/sources.list /etc/apt/sources.list.bak这个命令将当前的 sources.list 文件复制为一个名为 sources.list.bak 的备份文件。这是一个好习惯，因为编辑 sources.list 文件时可能会出错，导致无法安装或更新软件包。有了备份，如果出现问题，您可以轻松地恢复原始的文件。
# 编辑软件源列表文件vim /etc/apt/sources.list这个命令使用 Vim 编辑器打开 sources.list 文件，以便您可以编辑它。这个文件包含了 APT（Advanced Package Tool）用于安装和更新软件包的软件源列表。通过编辑这个文件，您可以添加新的软件源、更改现有软件源的优先级或禁用某些软件源。
在 Vim 中，您可以使用方向键来移动光标，i 键进入插入模式（可以开始编辑文本），Esc 键退出插入模式，:wq 命令保存更改并退出 Vim，或 :q! 命令不保存更改并退出 Vim。
编辑 sources.list 文件时，请确保您了解自己在做什么，特别是如果您正在添加新的软件源。错误的源可能会导致软件包安装失败或系统安全问题。如果您不确定，最好先搜索并找到可靠的源信息，或者咨询有经验的 Linux 用户。
使用 Vim 编辑器打开 sources.list 文件，复制以下代码替换 sources.list里面的全部代码，配置 apt 国内阿里源。
deb http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiversedeb-src http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiversedeb http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiversedeb-src http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiversedeb http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiversedeb-src http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiversedeb http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiversedeb-src http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse安装常用软件和工具
# 更新源列表，输入以下命令apt-get update# 更新系统软件包，输入以下命令apt-get upgrade# 安装常用软件和工具，输入以下命令apt-get -y install vim wget git git-lfs unzip lsof net-tools gcc cmake build-essential出现以下页面，说明国内apt源已替换成功，且能正常安装apt软件和工具
2. 安装 NVIDIA CUDA Toolkit 12.1
- 下载 CUDA Keyring ：
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb这个命令用于下载 CUDA 的 GPG 密钥环，它用于验证 CUDA 软件包的签名。这是确保软件包安全性的一个重要步骤。
- 安装 CUDA Keyring ：
dpkg -i cuda-keyring_1.0-1_all.deb使用 dpkg 安装下载的密钥环。这是必要的，以便 apt 能够验证从 NVIDIA 仓库下载的软件包的签名。
- 删除旧的 apt 密钥（如果必要） ：
apt-key del 7fa2af80这一步可能不是必需的，除非您知道 7fa2af80 是与 CUDA 相关的旧密钥，并且您想从系统中删除它以避免混淆。通常情况下，如果您只是安装 CUDA 并使用 NVIDIA 提供的最新密钥环，这一步可以跳过。
- 更新 apt 包列表 ：
apt-get update更新 apt 的软件包列表，以便包括刚刚通过 cuda-keyring 添加的 NVIDIA 仓库中的软件包。
- 安装 CUDA Toolkit ：
apt-get -y install cuda-toolkit-12-1出现以下页面，说明 NVIDIA CUDA Toolkit 12.1 安装成功
注意：这里可能有一个问题。NVIDIA 官方 Ubuntu 仓库中可能不包含直接名为 cuda-toolkit-12-1 的包。通常，您会安装一个名为 cuda 或 cuda-12-1 的元包，它会作为依赖项拉入 CUDA Toolkit 的所有组件。请检查 NVIDIA 的官方文档或仓库，以确认正确的包名。
如果您正在寻找安装特定版本的 CUDA Toolkit，您可能需要安装类似 cuda-12-1 的包（如果可用），或者从 NVIDIA 的官方网站下载 CUDA Toolkit 的 .run 安装程序进行手动安装。
请确保您查看 NVIDIA 的官方文档或 Ubuntu 的 NVIDIA CUDA 仓库以获取最准确的包名和安装指令。
- 出现以上情况，需要配置 NVIDIA CUDA Toolkit 12.1 系统环境变量
编辑 ~/.bashrc 文件
# 编辑 ~/.bashrc 文件vim ~/.bashrc插入以下环境变量
# 插入以下环境变量export PATH=/usr/local/cuda/bin:$PATHexport LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH激活 ~/.bashrc 文件
# 激活 ~/.bashrc 文件source ~/.bashrc查看cuda系统环境变量
which nvccnvcc -V3. 安装 Miniconda
下载 Miniconda 安装脚本 ：
- 使用
wget 命令从 Anaconda 的官方仓库下载 Miniconda 的安装脚本。Miniconda 是一个更小的 Anaconda 发行版，包含了 Anaconda 的核心组件，用于安装和管理 Python 包。运行 Miniconda 安装脚本 ：
- 使用
bash 命令运行下载的 Miniconda 安装脚本。这将启动 Miniconda 的安装过程。# 下载 Miniconda 安装脚本wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh# 运行 Miniconda 安装脚本bash Miniconda3-latest-Linux-x86_64.sh# 初次安装需要激活 base 环境source ~/.bashrc按下回车键（enter）
输入yes
输入yes
安装成功如下图所示
pip配置清华源加速
# 编辑 /etc/pip.conf 文件vim /etc/pip.conf加入以下代码
[global]index-url = https://pypi.tuna.tsinghua.edu.cn/simple注意事项：
- 请确保您的系统是 Linux x86_64 架构，因为下载的 Miniconda 版本是为该架构设计的。在运行安装脚本之前，您可能需要使用
chmod +x Miniconda3-latest-Linux-x86_64.sh 命令给予脚本执行权限。安装过程中，您将被提示是否同意许可协议，以及是否将 Miniconda 初始化。通常选择 “yes” 以完成安装和初始化。安装完成后，您可以使用 conda 命令来管理 Python 环境和包。如果链接无法访问或解析失败，可能是因为网络问题或链接本身的问题。请检查网络连接，并确保链接是最新的和有效的。如果问题依旧，请访问 Anaconda 的官方网站获取最新的下载链接。4. 从 github 仓库 克隆项目
- 克隆存储库：
# 克隆项目git clone https://github.com/ByteDance-Seed/Seed-Coder.git5. 创建虚拟环境
# 创建一个名为 Seed_Coder 的新虚拟环境，并指定 Python 版本为 3.12conda create --name Seed_Coder python=3.12 -y6. 安装模型依赖库
- 切换到项目目录、激活 llavamini 虚拟环境、安装依赖
# 切换到 Seed-Coder 项目工作目录cd /Seed-Coder# 激活 Seed_Coder 虚拟环境conda activate Seed_Coder# 在 Seed_Coder 环境中安装依赖# 升级 pippython -m pip install --upgrade pip# 更换 pypi 源加速库的安装pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simplepip install -r requirements.txtpip install open-webui7. 下载预训练模型
- 下载预训练权重
# 下载预训练权重git lfs installgit clone https://huggingface.co/ByteDance-Seed/Seed-Coder-8B-Instruct8. 启动 VLLM、OpenWebUI 服务
# 切换到项目目录cd /Seed-Coder# 激活虚拟环境conda activate Seed_Coder# 启动VLLM服务到后台nohup vllm serve /root/sj-data/LargeModel/TextGeneration/ByteDance-Seed/Seed-Coder-8B-Instruct \--port 8000 \--served-model-name Seed-Coder-8B-Instruct \--host 0.0.0.0 \--max-model-len 32768 \--max-num-batched-tokens 8192 \--gpu-memory-utilization 0.95 \--enforce-eager > vllm.log 2>&1 &# 设置环境变量并启动OpenWebUI到后台export HF_ENDPOINT=https://hf-mirror.comexport WEBUI_AUTH=Falseexport ENABLE_OLLAMA_API=Falseexport ENABLE_OPENAI_API=Trueexport OPENAI_API_BASE_URL=http://localhost:8000/v1export OPENAI_API_KEY=' 'export ENABLE_EVALUATION_ARENA_MODELS=Falsenohup open-webui serve --port 8080 > webui.log 2>&1 &# 检查进程ps aux | grep -E 'vllm|open-webui'# 在一个终端窗口中同时跟踪两个日志文件tail -f vllm.log webui.log# 检查端口netstat -tulnp | grep 8080三、网页演示
出现以下页面，即是模型已搭建完成。
