Instructions to use oytunistrator/AquaLLM with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Notebooks
Google Colab
Kaggle
Local Apps Settings

How to use oytunistrator/AquaLLM with llama.cpp:

Install (macOS, Linux)

curl -LsSf https://llama.app/install.sh | sh
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf oytunistrator/AquaLLM
# Run inference directly in the terminal:
llama cli -hf oytunistrator/AquaLLM

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf oytunistrator/AquaLLM
# Run inference directly in the terminal:
llama cli -hf oytunistrator/AquaLLM

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 oytunistrator/AquaLLM
# Run inference directly in the terminal:
./llama-cli -hf oytunistrator/AquaLLM

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 oytunistrator/AquaLLM
# Run inference directly in the terminal:
./build/bin/llama-cli -hf oytunistrator/AquaLLM

Use Docker

docker model run hf.co/oytunistrator/AquaLLM

LM Studio
Jan
Ollama
How to use oytunistrator/AquaLLM with Ollama:
```
ollama run hf.co/oytunistrator/AquaLLM
```

Unsloth Studio

How to use oytunistrator/AquaLLM 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 oytunistrator/AquaLLM 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 oytunistrator/AquaLLM to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for oytunistrator/AquaLLM to start chatting

How to use oytunistrator/AquaLLM with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf oytunistrator/AquaLLM

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": "oytunistrator/AquaLLM"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

OpenClaw new

How to use oytunistrator/AquaLLM with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf oytunistrator/AquaLLM

Configure OpenClaw

# Install OpenClaw:
npm install -g openclaw@latest
# Register the local server and set it as the default model:
openclaw onboard --non-interactive --mode local \
  --auth-choice custom-api-key \
  --custom-base-url http://127.0.0.1:8080/v1 \
  --custom-model-id "oytunistrator/AquaLLM" \
  --custom-provider-id llama-cpp \
  --custom-compatibility openai \
  --custom-text-input \
  --accept-risk \
  --skip-health

Run OpenClaw

openclaw agent --local --agent main --message "Hello from Hugging Face"

Docker Model Runner
How to use oytunistrator/AquaLLM with Docker Model Runner:
```
docker model run hf.co/oytunistrator/AquaLLM
```

Lemonade

How to use oytunistrator/AquaLLM with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull oytunistrator/AquaLLM

Run and chat with the model

lemonade run user.AquaLLM-{{QUANT_TAG}}

List all available models

lemonade list

Hermes Agent

How to use oytunistrator/AquaLLM with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf oytunistrator/AquaLLM

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 oytunistrator/AquaLLM

Run Hermes

hermes

Atomic Chat

AquaLLM 🐠

AquaLLM, akvaryum hobisiyle ilgili sorulara yanıt vermek üzere ince ayar yapılmış bir dil modelidir. Bu model, özellikle tatlı su ve tuzlu su akvaryumları, balık bakımı, ekipman seçimi, su değerleri, bitkiler ve yaygın sorunlar gibi konularda uzmanlaşmıştır.

Özellikler

🐟 Akvaryum kurulumu ve bakımı hakkında bilgi verir
🌱 Canlı bitkiler ve uygun ışıklandırma önerileri sunar
⚙️ Filtrasyon, ısıtma ve diğer ekipmanlarla ilgili rehberlik eder
❗ Yaygın balık hastalıkları ve çözümleri hakkında bilgi sağlar
💧 Su değerleri ve kimyasıyla ilgili soruları yanıtlar

Kullanım Alanları

Akvaryum hobisine yeni başlayanlar için rehberlik
Tecrübeli akvaristlere hızlı bilgi kaynağı
Evcil hayvan mağazalarında müşteri destek asistanı olarak kullanım

Model

Bu model, bir temel dil modeli üzerine akvaryum temalı veri seti ile ince ayar yapılarak eğitilmiştir. Amacı, doğru, kısa ve anlaşılır yanıtlarla kullanıcıya yardımcı olmaktır.

Katkıda Bulun

Modeli geliştirmeniz, veri eklemeniz veya öneride bulunmanız için katkılara açığız. Lütfen issue açın veya pull request gönderin.

Oytunistrator tarafından geliştirilmiştir.

Downloads last month: 63

Safetensors

Model size

3B params

Tensor type

BF16

Model tree for oytunistrator/AquaLLM

Base model

Qwen/Qwen2.5-7B

Finetuned

Qwen/Qwen2.5-7B-Instruct

Quantized

(377)

this model

oytunistrator
/

AquaLLM

AquaLLM 🐠

Özellikler

Kullanım Alanları

Model

Katkıda Bulun

Model tree for oytunistrator/AquaLLM

Dataset used to train oytunistrator/AquaLLM