训练目标：根据业务代码生成测试代码
训练用时：A100 大概 1 小时，3090 大概 3 小时。
训练云 GPU：OpenBayes （用我的专用邀请链接，注册 OpenBayes，双方各获得 60 分钟 RTX 3090 使用时长，支持累积，永久有效：
https://openbayes.com/console/signup?r=phodal_uVxU）
直接使用 OpenBayes 容器：https://openbayes.com/console/phodal/containers/JBx5YD7HTdS
训练步骤可以直接使用： alpaca-lora.ipynb
代码生成测试用例的 Lora 见：alpaca-lora.zip
基本思路：
在时间有限的情况下，基于 OpenAI 的数据来完善。但是，OpenAI 编写的测试用例不一定靠谱，所以让他生成业务代码。
在时间充裕的情况下，可以分析 AST 来合并第一和第二步，也是比较合理的方案，毕竟 OpenAI 的 API 很贵。
主要步骤：
准备数据
下载 GitHub 上的项目、建立源码-测试映射、生成类信息、按测试用例拆分
Open AI编写实现代码
让 Davinci 完成填空题
训练
详细见：https://github.com/unit-mesh/unit-minions
