Keep4o
Keep4o 是一条面向「GPT-4o 风格对齐」的数据流水线：用你自己的 ChatGPT 导出数据，抽取出可训练的 SFT（先做纯文本风格闭环），再用 OpenAI-compatible 的 API 进行二次清洗，最后进入微调/蒸馏。
这条路线的目标是对齐“输出结构、澄清方式、拒答习惯、表达语气、工具调用倾向”，而不是做“数字分身”。如果你要训练个人化风格，请走「快速上手」里的 QQ/TG 流程。
为什么要 Keep4o
很多人喜欢 4o 的表达方式和“对话质感”。Keep4o 希望通过蒸馏与对齐，让这种风格在本地模型上以可复现的方式延续下去（但不追求逐 token 复刻，也不推断任何隐藏 system prompt）。
你会得到什么
runs/openai-distill/<run_id>/sft/text.jsonl：从 ChatGPT 导出中抽取出来的纯文本 SFT（默认只保留gpt-4o,gpt-4-1）runs/openai-clean/<run_id>/sft/train.jsonl：LLM 清洗后的可训练数据（去技术/工具/搜索痕迹，注入可选的 4o 风格 system prompt）
隐私与安全
- ChatGPT 导出数据属于强隐私；请放在
data/openai-export/，不要提交到 git - 默认只保留训练需要的字段；建议开启 PII 策略（默认
mask）
贡献数据（可选）
如果你愿意帮 Keep4o 的数据更丰富（尤其是高质量长对话、复杂澄清、稳定拒答、结构化输出等），可以把你从 ChatGPT 导出的压缩包（或解压后的 conversations.json）发给我：
- X：@qqqqqf5
- Telegram：点击此处添加我的双向聊天
我们需要更多数据与更多 GPU 来 Keep4o。
当前效果（示例）
以下是使用 Qwen2.5 1.5B Instruct + 我自己的数据训练的 LoRA + 仿 4o system prompt 的部分输出示例：
4o LoRA + 仿 4o System Prompt
同上（第二次输出）
仅仿 4o System Prompt
仅 Qwen 原模型（无 System Prompt）
下一步
按左侧导航从「导出 ChatGPT 数据」开始走一遍即可。