字节开源代码模型——Seed-Coder 本地部署教程，模型自驱动数据筛选，让每行代码都精准落位！

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

bash 复制代码

# 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

csharp 复制代码

# 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。

csharp 复制代码

# 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：

bash 复制代码

# 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。

bash 复制代码

# 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。

arduino 复制代码

deb http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse

安装常用软件和工具

csharp 复制代码

# 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 ：

bash 复制代码

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 ：

css 复制代码

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） ：

css 复制代码

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 ：

sql 复制代码

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 ：

arduino 复制代码

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

bash 复制代码

# 编辑 ~/.bashrc 文件
vim ~/.bashrc

插入以下环境变量

bash 复制代码

# 插入以下环境变量
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

激活 ~/.bashrc 文件

bash 复制代码

# 激活 ~/.bashrc 文件
source ~/.bashrc

查看cuda系统环境变量

bash 复制代码

which nvcc
nvcc -V

3. 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。

bash 复制代码

# 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

bash 复制代码

# 编辑 /etc/pip.conf 文件
vim  /etc/pip.conf

加入以下代码

ini 复制代码

[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：

bash 复制代码

# 克隆项目
git clone https://github.com/ByteDance-Seed/Seed-Coder.git

5. 创建虚拟环境

ini 复制代码

# 创建一个名为 Seed_Coder 的新虚拟环境，并指定 Python 版本为 3.12
conda create --name Seed_Coder python=3.12 -y

6. 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

bash 复制代码

# 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 pip
python -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/simple
pip install -r requirements.txt
pip install open-webui

7. 下载预训练模型

下载预训练权重

bash 复制代码

# 下载预训练权重
git lfs install
git clone https://huggingface.co/ByteDance-Seed/Seed-Coder-8B-Instruct

8. 启动 VLLM、OpenWebUI 服务

ini 复制代码

# 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.com
export WEBUI_AUTH=False
export ENABLE_OLLAMA_API=False
export ENABLE_OPENAI_API=True
export OPENAI_API_BASE_URL=http://localhost:8000/v1
export OPENAI_API_KEY=' '
export ENABLE_EVALUATION_ARENA_MODELS=False
nohup 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。

字节开源代码模型——Seed-Coder 本地部署教程，模型自驱动数据筛选，让每行代码都精准落位！

一、介绍

二、部署过程

1. 更新基础软件包

2. 安装 NVIDIA CUDA Toolkit 12.1

3. 安装 Miniconda

4. 从 github 仓库 克隆项目

5. 创建虚拟环境

6. 安装模型依赖库

7. 下载预训练模型

8. 启动 VLLM、OpenWebUI 服务

三、网页演示

4. 从 github 仓库克隆项目