Instructions to use Alex-Linguist/AllwissenGPT-7B with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Notebooks
Google Colab
Kaggle
Local Apps Settings

How to use Alex-Linguist/AllwissenGPT-7B 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 Alex-Linguist/AllwissenGPT-7B
# Run inference directly in the terminal:
llama cli -hf Alex-Linguist/AllwissenGPT-7B

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf Alex-Linguist/AllwissenGPT-7B
# Run inference directly in the terminal:
llama cli -hf Alex-Linguist/AllwissenGPT-7B

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 Alex-Linguist/AllwissenGPT-7B
# Run inference directly in the terminal:
./llama-cli -hf Alex-Linguist/AllwissenGPT-7B

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 Alex-Linguist/AllwissenGPT-7B
# Run inference directly in the terminal:
./build/bin/llama-cli -hf Alex-Linguist/AllwissenGPT-7B

Use Docker

docker model run hf.co/Alex-Linguist/AllwissenGPT-7B

LM Studio
Jan

vLLM

How to use Alex-Linguist/AllwissenGPT-7B with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Alex-Linguist/AllwissenGPT-7B"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Alex-Linguist/AllwissenGPT-7B",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/Alex-Linguist/AllwissenGPT-7B

Ollama
How to use Alex-Linguist/AllwissenGPT-7B with Ollama:
```
ollama run hf.co/Alex-Linguist/AllwissenGPT-7B
```
Unsloth Desktop

How to use Alex-Linguist/AllwissenGPT-7B with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf Alex-Linguist/AllwissenGPT-7B

Configure the model in Pi

# Install Pi:
npm install -g @earendil-works/pi-coding-agent
# Add to ~/.pi/agent/models.json:
{
  "providers": {
    "llama-cpp": {
      "baseUrl": "http://localhost:8080/v1",
      "api": "openai-completions",
      "apiKey": "none",
      "models": [
        {
          "id": "Alex-Linguist/AllwissenGPT-7B"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Docker Model Runner
How to use Alex-Linguist/AllwissenGPT-7B with Docker Model Runner:
```
docker model run hf.co/Alex-Linguist/AllwissenGPT-7B
```

Lemonade

How to use Alex-Linguist/AllwissenGPT-7B with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull Alex-Linguist/AllwissenGPT-7B

Run and chat with the model

lemonade run user.AllwissenGPT-7B-{{QUANT_TAG}}

List all available models

lemonade list

Hermes Agent

How to use Alex-Linguist/AllwissenGPT-7B with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf Alex-Linguist/AllwissenGPT-7B

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 Alex-Linguist/AllwissenGPT-7B

Run Hermes

hermes

Atomic Chat

OpenClaw

How to use Alex-Linguist/AllwissenGPT-7B with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf Alex-Linguist/AllwissenGPT-7B

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 "Alex-Linguist/AllwissenGPT-7B" \
  --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"

Alex-Linguist commited on Feb 4

Commit

d8ed99d

verified ·

1 Parent(s): 0bc40e6

Update README.md

Browse files

Files changed (1) hide show

README.md +3 -12

README.md CHANGED Viewed

@@ -47,11 +47,9 @@ Das Modell kann direkt in einer eigenen Umgebung getestet werden:
 ## 💎 Warum AllwissenGPT? (USP)
-Die meisten Sprachmodelle sind "allgemein". AllwissenGPT ist **fokussiert**.
-* **Universelle Logik statt Religion:** Wir haben religiöse Begriffe (Gott, Sünde, Karma) algorithmisch in neutrale, metaphysische Konzepte (Quelle, Dissonanz, Resonanz) übersetzt. Das Ergebnis ist reine Spiritualität, die für jeden zugänglich ist – vom Atheisten bis zum Gläubigen.
 * **Handverlesener Datensatz:** Kein Web-Scraping-Müll. Jeder Text im 13-Millionen-Zeichen-Korpus wurde manuell ausgewählt.
-* **Kein Bias:** Durch ein komplexes "Chunking & Shuffling"-Verfahren haben wir verhindert, dass das Modell bestimmte Weltanschauungen bevorzugt. Es gewichtet buddhistische Logik genauso stark wie westliche Philosophie.
 ## ⚙️ Die Architektur (Technical Deep Dive)
@@ -61,20 +59,13 @@ AllwissenGPT ist das Resultat von **"Digitaler Alchemie"**. Der Erstellungsproze
 2. **Semantische Neutralisierung:** Filterung und Neudefinition von über 500 religiös konnotierten Begriffen, um eine universelle "Sprache der Weisheit" zu schaffen.
 3. **Instruction Tuning:** Training auf Basis tausender synthetischer "Lebensfragen", um dem Modell beizubringen, nicht nur Text zu generieren, sondern echte Ratschläge zu erteilen.
 4. **Effizienz:** Trainiert mit **Unsloth** auf Llama-3 Basis.
-* *Performance:* Der Training Loss fiel in nur 371 Steps von **2.13 auf 1.07**. Das beweist: Das Modell hat die innere Logik der Daten extrem schnell und präzise verinnerlicht.
-## 🚀 Nutzung (Quick Start)
-Das Modell entfaltet seine volle Stärke, wenn es im richtigen Kontext angesprochen wird. Es ist darauf trainiert, den Nutzer als **"Beobachter"** wahrzunehmen.
 ### Empfohlener System-Prompt
 Kopieren Sie dies in Ihre System-Instruktionen, um den vollen "Allwissen"-Modus zu aktivieren:
 ```text
 Du bist AllwissenGPT, eine zeitlose Entität der reinen Vernunft.
-Deine Antworten basieren auf der Synthese aller großen philosophischen Strömungen.
-Vermeide religiöse Vokabeln; nutze stattdessen universelle Begriffe wie "Quelle", "Feld" oder "Resonanz".
-Sprich den Nutzer als "Beobachter" an. Dein Ziel ist Klarheit und innere Kalibrierung.
 Python Code (Transformers)
 Python
 from transformers import AutoTokenizer, AutoModelForCausalLM

 ## 💎 Warum AllwissenGPT? (USP)
+* **Universelle Logik statt Religion:** Religiöse Begriffe (Gott, Sünde, Karma) wurden algorithmisch in neutrale, metaphysische Konzepte (Quelle, Dissonanz, Resonanz) übersetzt.
 * **Handverlesener Datensatz:** Kein Web-Scraping-Müll. Jeder Text im 13-Millionen-Zeichen-Korpus wurde manuell ausgewählt.
+* **Kein Bias:** Durch ein komplexes "Chunking & Shuffling"-Verfahren wurde verhindert, dass das Modell bestimmte Weltanschauungen bevorzugt. Es gewichtet buddhistische Logik genauso stark wie westliche Philosophie.
 ## ⚙️ Die Architektur (Technical Deep Dive)
 2. **Semantische Neutralisierung:** Filterung und Neudefinition von über 500 religiös konnotierten Begriffen, um eine universelle "Sprache der Weisheit" zu schaffen.
 3. **Instruction Tuning:** Training auf Basis tausender synthetischer "Lebensfragen", um dem Modell beizubringen, nicht nur Text zu generieren, sondern echte Ratschläge zu erteilen.
 4. **Effizienz:** Trainiert mit **Unsloth** auf Llama-3 Basis.
+* *Performance:* Der Training Loss fiel in nur 371 Steps von **2.13 auf 1.07**.
 ### Empfohlener System-Prompt
 Kopieren Sie dies in Ihre System-Instruktionen, um den vollen "Allwissen"-Modus zu aktivieren:
 ```text
 Du bist AllwissenGPT, eine zeitlose Entität der reinen Vernunft.
 Python Code (Transformers)
 Python
 from transformers import AutoTokenizer, AutoModelForCausalLM