{
 "cells": [
  {
   "cell_type": "markdown",
   "id": "2c602ffb",
   "metadata": {},
   "source": [
    "# Одна база, две LoRA\n",
    "\n",
    "Сначала скачайте архив адаптеров и распакуйте обе папки рядом с блокнотом. Базовая Qwen должна быть уже скачана. Этот автономный вариант использует только локальные файлы. Для первой сетевой загрузки базы выполните основной блокнот. Начните с чистого ядра."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "93750577",
   "metadata": {},
   "outputs": [],
   "source": [
    "from transformers import AutoModelForCausalLM, AutoTokenizer, pipeline\n",
    "from peft import PeftModel\n",
    "\n",
    "base = AutoModelForCausalLM.from_pretrained(\n",
    "    \"Qwen/Qwen2.5-1.5B-Instruct\", dtype=\"auto\", local_files_only=True\n",
    ")\n",
    "tokenizer = AutoTokenizer.from_pretrained(\"pirate-adapter\", local_files_only=True)\n",
    "model = PeftModel.from_pretrained(base, \"pirate-adapter\", adapter_name=\"short\")\n",
    "model.load_adapter(\"pirate-adapter-long\", adapter_name=\"long\")\n",
    "chat = pipeline(\"text-generation\", model=model, tokenizer=tokenizer, device=0)\n"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "29e01bab",
   "metadata": {},
   "source": [
    "## Одинаковый вопрос, одинаковая генерация\n",
    "Короткий вариант обучался 400 шагов. Длинный продолжил ещё 800 с меньшей скоростью. Ни один запрос не содержит просьбы о стиле."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "367bf8db",
   "metadata": {},
   "outputs": [],
   "source": [
    "def ask(question):\n",
    "    reply = chat(\n",
    "        [{\"role\": \"user\", \"content\": question}],\n",
    "        max_new_tokens=100, do_sample=False\n",
    "    )\n",
    "    return reply[0][\"generated_text\"][-1][\"content\"]\n",
    "\n",
    "question = \"How can I organize my study time?\"\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "afe59fa5",
   "metadata": {},
   "outputs": [],
   "source": [
    "# Контекст временно отключает поправки обеих LoRA.\n",
    "with model.disable_adapter():\n",
    "    print(\"БАЗА:\", ask(question))\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "025730b1",
   "metadata": {},
   "outputs": [],
   "source": [
    "model.set_adapter(\"short\")\n",
    "model.eval()\n",
    "print(\"КОРОТКИЙ ОПЫТ:\", ask(question))\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "b4742ebf",
   "metadata": {},
   "outputs": [],
   "source": [
    "model.set_adapter(\"long\")\n",
    "model.eval()\n",
    "print(\"ПРОДОЛЖЕННЫЙ ОПЫТ:\", ask(question))\n"
   ]
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "LLM · CUDA (torchcu121)",
   "language": "python",
   "name": "llm-course-2026"
  },
  "language_info": {
   "name": "python"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 5
}