当前位置：首页 > news >正文

Qwen3-1.7B新手入门：3步搞定Jupyter部署，开启你的第一个AI对话

news 2026/5/12 3:52:00

Qwen3-1.7B新手入门：3步搞定Jupyter部署，开启你的第一个AI对话

1. 环境准备：启动Qwen3-1.7B镜像

1.1 访问CSDN星图平台

首先登录CSDN星图平台，在搜索栏输入"Qwen3-1.7B"，找到对应的镜像。这个镜像已经预装了所有必要的运行环境，包括：

Python 3.9+
PyTorch 2.0+
Transformers库
Jupyter Notebook环境
预下载的Qwen3-1.7B模型权重

点击"立即部署"按钮，选择适合的GPU实例（建议至少8GB显存），等待1-2分钟完成部署。

1.2 进入Jupyter Notebook

部署完成后，系统会自动跳转到Jupyter Lab界面。你会看到一个类似文件管理器的页面，左侧是目录结构，右侧是文件列表。

在右侧点击"New"按钮，选择"Python 3 (ipykernel)"创建一个新的Notebook。这个Notebook就是我们接下来要使用的交互式编程环境。

2. 模型调用：使用LangChain与Qwen3对话

2.1 安装必要依赖

在Notebook的第一个单元格中，运行以下代码安装LangChain相关库：

!pip install langchain-openai

这个命令会安装LangChain的OpenAI兼容接口，让我们可以用类似调用ChatGPT的方式与Qwen3交互。

2.2 配置模型连接参数

新建一个单元格，输入以下代码来初始化Qwen3-1.7B模型：

from langchain_openai import ChatOpenAI import os chat_model = ChatOpenAI( model="Qwen3-1.7B", temperature=0.5, # 控制回答的创造性，0-1之间 base_url="https://gpu-pod69523bb78b8ef44ff14daa57-8000.web.gpu.csdn.net/v1", # 替换为你的实际地址 api_key="EMPTY", # 无需真实API key extra_body={ "enable_thinking": True, # 启用思维链功能 "return_reasoning": True, # 返回推理过程 }, streaming=True, # 启用流式输出 )

重要提示：

base_url需要替换为你实际获得的Jupyter服务地址
端口号通常是8000，请确认地址正确
如果连接失败，检查地址是否包含/v1后缀

2.3 发起你的第一个AI对话

现在可以尝试与Qwen3进行对话了。新建一个单元格，输入以下代码：

response = chat_model.invoke("你好，请介绍一下你自己") print(response.content)

运行后，你应该会看到类似这样的输出：

你好！我是通义千问Qwen3-1.7B，一个由阿里巴巴开发的开源大语言模型。我拥有17亿参数，能够理解和生成自然语言，回答各种问题，协助创作内容，以及进行多轮对话。我的知识截止于2024年，可以处理中文和英文任务。有什么我可以帮你的吗？

恭喜！你已经成功部署并调用了Qwen3-1.7B模型。

3. 进阶使用：探索Qwen3的更多功能

3.1 多轮对话实践

Qwen3支持上下文记忆，可以进行连贯的多轮对话。试试以下代码：

# 第一轮对话 response1 = chat_model.invoke("你觉得人工智能会取代人类工作吗？") print("AI:", response1.content) # 第二轮对话（基于上一轮上下文） response2 = chat_model.invoke("为什么这么说？能举例说明吗？") print("AI:", response2.content)

观察模型如何基于前文进行连贯回答，这种能力对于构建聊天机器人非常有用。

3.2 调整生成参数

通过修改temperature参数，可以控制回答的创造性和随机性：

# 更保守、确定的回答 conservative_model = ChatOpenAI( model="Qwen3-1.7B", temperature=0.2, base_url="你的地址", api_key="EMPTY" ) # 更有创意的回答 creative_model = ChatOpenAI( model="Qwen3-1.7B", temperature=0.8, base_url="你的地址", api_key="EMPTY" ) print("保守回答:", conservative_model.invoke("写一首关于春天的诗").content) print("\n创意回答:", creative_model.invoke("写一首关于春天的诗").content)

对比两种设置下生成的诗句，体会参数变化对输出的影响。

3.3 处理长文本输入

Qwen3-1.7B支持长达8K的上下文。试试输入一段长文本并提问：

long_text = """ 人工智能(Artificial Intelligence, AI)是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器... """ # 此处可放入更长的文本 response = chat_model.invoke(f"根据以下文本用一句话总结AI的定义:\n{long_text}") print(response.content)