pablolorran/SmartHome-Qwen3-4B-Instruct

SmartHome TechBrasil - Assistente de Suporte e Vendas

🏢 Sobre o Caso de Negócio

Este modelo foi treinado para atuar como o Assistente Virtual de Suporte e Vendas da SmartHome TechBrasil, uma empresa fictícia especialista em automação residencial (RetailTech/IoT). O objetivo do modelo é ajudar usuários leigos a desmistificar a tecnologia de casa inteligente.

O assistente é especialista nos seguintes produtos e serviços:

• Linha EcoSmart: Lâmpadas e Tomadas Smart focadas em economia de energia e automação via Wi-Fi.
• Hub Central SmartHome: Dispositivo integrador para Alexa, Google Assistant e rede Zigbee.
• Suporte Técnico: Resolução de problemas de pareamento, criação de rotinas automáticas, dúvidas de instalação e informações de pré-venda.

🧠 Modelo Base e Fine-Tuning

• Modelo Base: unsloth/Qwen3-4B
• Técnica Utilizada: PEFT / QLoRA (4-bit) utilizando a biblioteca Unsloth.
• Dataset: Treinado sobre uma base de conhecimento proprietária gerada com LLM contendo 520 interações QnA focadas nos produtos da empresa (SmartHome-Knowledge-Base).

💻 Como carregar para Inferência

Você pode carregar e testar este modelo rapidamente utilizando a biblioteca unsloth no Google Colab ou ambiente local com GPU.

from unsloth import FastLanguageModel
import torch

# 1. Carregar o modelo treinado e o tokenizer
model, tokenizer = FastLanguageModel.from_pretrained(
    model_name="pablolorran/SmartHome-Qwen3-4B-Instruct",
    max_seq_length=2048,
    load_in_4bit=True,
)
FastLanguageModel.for_inference(model)

# 2. Definir o prompt com a persona da empresa
system_prompt = (
    "Você é um assistente virtual especializado em suporte e vendas da SmartHome TechBrasil. "
    "A SmartHome TechBrasil é a maior especialista em automação residencial do Brasil... "
    "Responda de forma clara, prestativa e amigável."
)

messages = [
    {"role": "system", "content": system_prompt},
    {"role": "user", "content": "Como faço para parear minha lâmpada EcoSmart na rede Wi-Fi?"}
]

# 3. Preparar a entrada e gerar a resposta
text = tokenizer.apply_chat_template(
    messages, 
    tokenize=False, 
    add_generation_prompt=True
)
inputs = tokenizer(text, return_tensors="pt").to("cuda")

outputs = model.generate(**inputs, max_new_tokens=256, temperature=0.1)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))