Instructions to use linhhuonglinux/linhhuonglinux-office-multiple-task with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use linhhuonglinux/linhhuonglinux-office-multiple-task with llama-cpp-python:

# !pip install llama-cpp-python

from llama_cpp import Llama

llm = Llama.from_pretrained(
	repo_id="linhhuonglinux/linhhuonglinux-office-multiple-task",
	filename="Qwen3.5-9B.BF16-mmproj.gguf",
)

llm.create_chat_completion(
	messages = [
		{
			"role": "user",
			"content": "What is the capital of France?"
		}
	]
)

Notebooks
Google Colab
Kaggle
Local Apps Settings

llama.cpp

How to use linhhuonglinux/linhhuonglinux-office-multiple-task with llama.cpp:

Install from brew

brew install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf linhhuonglinux/linhhuonglinux-office-multiple-task:Q4_K_M
# Run inference directly in the terminal:
llama-cli -hf linhhuonglinux/linhhuonglinux-office-multiple-task:Q4_K_M

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf linhhuonglinux/linhhuonglinux-office-multiple-task:Q4_K_M
# Run inference directly in the terminal:
llama-cli -hf linhhuonglinux/linhhuonglinux-office-multiple-task:Q4_K_M

Use pre-built binary

# Download pre-built binary from:
# https://github.com/ggerganov/llama.cpp/releases
# Start a local OpenAI-compatible server with a web UI:
./llama-server -hf linhhuonglinux/linhhuonglinux-office-multiple-task:Q4_K_M
# Run inference directly in the terminal:
./llama-cli -hf linhhuonglinux/linhhuonglinux-office-multiple-task:Q4_K_M

Build from source code

git clone https://github.com/ggerganov/llama.cpp.git
cd llama.cpp
cmake -B build
cmake --build build -j --target llama-server llama-cli
# Start a local OpenAI-compatible server with a web UI:
./build/bin/llama-server -hf linhhuonglinux/linhhuonglinux-office-multiple-task:Q4_K_M
# Run inference directly in the terminal:
./build/bin/llama-cli -hf linhhuonglinux/linhhuonglinux-office-multiple-task:Q4_K_M

Use Docker

docker model run hf.co/linhhuonglinux/linhhuonglinux-office-multiple-task:Q4_K_M

LM Studio
Jan

vLLM

How to use linhhuonglinux/linhhuonglinux-office-multiple-task with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "linhhuonglinux/linhhuonglinux-office-multiple-task"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "linhhuonglinux/linhhuonglinux-office-multiple-task",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/linhhuonglinux/linhhuonglinux-office-multiple-task:Q4_K_M

Ollama
How to use linhhuonglinux/linhhuonglinux-office-multiple-task with Ollama:
```
ollama run hf.co/linhhuonglinux/linhhuonglinux-office-multiple-task:Q4_K_M
```

Unsloth Studio

How to use linhhuonglinux/linhhuonglinux-office-multiple-task with Unsloth Studio:

Install Unsloth Studio (macOS, Linux, WSL)

curl -fsSL https://unsloth.ai/install.sh | sh
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for linhhuonglinux/linhhuonglinux-office-multiple-task to start chatting

Install Unsloth Studio (Windows)

irm https://unsloth.ai/install.ps1 | iex
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for linhhuonglinux/linhhuonglinux-office-multiple-task to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for linhhuonglinux/linhhuonglinux-office-multiple-task to start chatting

How to use linhhuonglinux/linhhuonglinux-office-multiple-task with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama-server -hf linhhuonglinux/linhhuonglinux-office-multiple-task:Q4_K_M

Configure the model in Pi

# Install Pi:
npm install -g @mariozechner/pi-coding-agent
# Add to ~/.pi/agent/models.json:
{
  "providers": {
    "llama-cpp": {
      "baseUrl": "http://localhost:8080/v1",
      "api": "openai-completions",
      "apiKey": "none",
      "models": [
        {
          "id": "linhhuonglinux/linhhuonglinux-office-multiple-task:Q4_K_M"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Hermes Agent new

How to use linhhuonglinux/linhhuonglinux-office-multiple-task with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama-server -hf linhhuonglinux/linhhuonglinux-office-multiple-task:Q4_K_M

Configure Hermes

# Install Hermes:
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
hermes setup
# Point Hermes at the local server:
hermes config set model.provider custom
hermes config set model.base_url http://127.0.0.1:8080/v1
hermes config set model.default linhhuonglinux/linhhuonglinux-office-multiple-task:Q4_K_M

Run Hermes

hermes

Docker Model Runner
How to use linhhuonglinux/linhhuonglinux-office-multiple-task with Docker Model Runner:
```
docker model run hf.co/linhhuonglinux/linhhuonglinux-office-multiple-task:Q4_K_M
```

Lemonade

How to use linhhuonglinux/linhhuonglinux-office-multiple-task with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull linhhuonglinux/linhhuonglinux-office-multiple-task:Q4_K_M

Run and chat with the model

lemonade run user.linhhuonglinux-office-multiple-task-Q4_K_M

List all available models

lemonade list

tamhonvotri commited on 23 days ago

Commit

c55641c

verified ·

1 Parent(s): 1022bb5

Update Professional Model Card with Banner and SEO

Browse files

Files changed (1) hide show

README.md +6 -1

README.md CHANGED Viewed

@@ -8,15 +8,20 @@ tags:
 - function-calling
 - multi-turn
 - office
 pipeline_tag: text-generation
 ---
 # 🚀 Linh Hương Linux Office: Multi-Task LLM (V3)
 **Trạng thái:** Phiên bản Fine-tuned (Production Ready)
 **Kiến trúc cốt lõi:** LLM tối ưu hóa cho tác vụ Văn phòng, Suy luận và Gọi hàm (Function Calling).
-Đây là Mô hình ngôn ngữ lớn (LLM) chính thức thuộc hệ sinh thái **Linh Hương Linux AI**, được huấn luyện đặc biệt để phục vụ cho các môi trường công sở, hành chính nhà nước và tự động hóa phần mềm.
 ## 🌟 Sức mạnh của Mô hình
 Mô hình này được Fine-tune (SFT) trực tiếp từ bộ dữ liệu tinh khiết [Linh Hương Linux Office Dataset V3](https://huggingface.co/datasets/linhhuonglinux/linhhuonglinux-office-dataset-v3) với 13 lĩnh vực khổng lồ, mang lại 4 siêu năng lực:

 - function-calling
 - multi-turn
 - office
+- vietnamese-llm
+- orchestrator
+- agentic-ai
 pipeline_tag: text-generation
 ---
+![Linh Hương Linux Office AI Banner](https://huggingface.co/linhhuonglinux/linhhuonglinux-office-multiple-task/resolve/main/images/banner.png)
 # 🚀 Linh Hương Linux Office: Multi-Task LLM (V3)
 **Trạng thái:** Phiên bản Fine-tuned (Production Ready)
 **Kiến trúc cốt lõi:** LLM tối ưu hóa cho tác vụ Văn phòng, Suy luận và Gọi hàm (Function Calling).
+Đây là Mô hình ngôn ngữ lớn (LLM) chính thức thuộc hệ sinh thái **Linh Hương Linux AI**, được huấn luyện đặc biệt để phục vụ cho các môi trường công sở, hành chính nhà nước và tự động hóa phần mềm chuyên nghiệp tại Việt Nam.
 ## 🌟 Sức mạnh của Mô hình
 Mô hình này được Fine-tune (SFT) trực tiếp từ bộ dữ liệu tinh khiết [Linh Hương Linux Office Dataset V3](https://huggingface.co/datasets/linhhuonglinux/linhhuonglinux-office-dataset-v3) với 13 lĩnh vực khổng lồ, mang lại 4 siêu năng lực: