当前位置：首页 > news >正文

Qwen3.5-9B Node.js环境配置与项目初始化：快速搭建AI应用后端

news 2026/4/6 17:16:37

Qwen3.5-9B Node.js环境配置与项目初始化：快速搭建AI应用后端

1. 环境准备：安装Node.js与npm

在开始之前，我们需要确保开发环境已经安装了Node.js和npm（Node Package Manager）。这是运行任何Node.js项目的基础。

对于Windows用户，可以直接从Node.js官网下载安装包。建议选择LTS（长期支持）版本，这样能获得更稳定的体验。安装过程很简单，基本上就是一路点击"下一步"。

Mac用户可以通过Homebrew来安装：

brew install node

Linux用户（以Ubuntu为例）可以使用以下命令：

curl -fsSL https://deb.nodesource.com/setup_lts.x | sudo -E bash - sudo apt-get install -y nodejs

安装完成后，打开终端或命令行，输入以下命令检查是否安装成功：

node -v npm -v

如果能看到版本号输出，说明安装已经成功。建议Node.js版本不低于16.x，npm版本不低于8.x。

2. 项目初始化与基础配置

让我们创建一个新的项目目录并初始化项目：

mkdir qwen-backend cd qwen-backend npm init -y

这会生成一个基本的package.json文件。接下来，我们需要安装一些必要的依赖：

npm install express body-parser cors dotenv npm install --save-dev nodemon

这些包的作用分别是：

express：轻量级的Node.js web框架
body-parser：解析请求体
cors：处理跨域请求
dotenv：管理环境变量
nodemon：开发时自动重启服务

现在，创建一个基本的Express应用结构：

qwen-backend/ ├── node_modules/ ├── src/ │ ├── config/ │ ├── controllers/ │ ├── middlewares/ │ ├── models/ │ ├── routes/ │ └── utils/ ├── .env ├── .gitignore ├── app.js └── package.json

3. 集成Qwen3.5-9B模型API

3.1 设置API密钥与环境变量

首先，在项目根目录创建.env文件：

QWEN_API_KEY=your_api_key_here PORT=3000 NODE_ENV=development

然后，在app.js中设置基础Express应用：

require('dotenv').config(); const express = require('express'); const bodyParser = require('body-parser'); const cors = require('cors'); const app = express(); // 中间件 app.use(cors()); app.use(bodyParser.json()); app.use(bodyParser.urlencoded({ extended: true })); // 基础路由 app.get('/', (req, res) => { res.json({ message: 'Qwen3.5-9B 后端服务运行中' }); }); // 错误处理 app.use((err, req, res, next) => { console.error(err.stack); res.status(500).send('服务器错误'); }); const PORT = process.env.PORT || 3000; app.listen(PORT, () => { console.log(`服务器运行在 http://localhost:${PORT}`); });

3.2 创建Qwen模型服务层

在src/models目录下创建qwenModel.js：

const axios = require('axios'); class QwenModel { constructor(apiKey) { this.apiKey = apiKey; this.baseUrl = 'https://api.qwen.ai/v1'; } async generateText(prompt, options = {}) { try { const response = await axios.post(`${this.baseUrl}/completions`, { model: "qwen3.5-9b", prompt, max_tokens: options.max_tokens || 500, temperature: options.temperature || 0.7, }, { headers: { 'Authorization': `Bearer ${this.apiKey}`, 'Content-Type': 'application/json' } }); return response.data; } catch (error) { console.error('Qwen API调用错误:', error.response?.data || error.message); throw error; } } } module.exports = QwenModel;

4. 构建API路由与控制器

4.1 创建控制器

在src/controllers目录下创建qwenController.js：

const QwenModel = require('../models/qwenModel'); class QwenController { constructor() { this.model = new QwenModel(process.env.QWEN_API_KEY); } async generateText(req, res) { try { const { prompt, max_tokens, temperature } = req.body; if (!prompt) { return res.status(400).json({ error: 'prompt参数是必需的' }); } const result = await this.model.generateText(prompt, { max_tokens, temperature }); res.json(result); } catch (error) { console.error('生成文本错误:', error); res.status(500).json({ error: '生成文本时出错' }); } } } module.exports = new QwenController();

4.2 设置路由

在src/routes目录下创建qwenRoutes.js：

const express = require('express'); const router = express.Router(); const qwenController = require('../controllers/qwenController'); router.post('/generate', qwenController.generateText); module.exports = router;

然后，在app.js中添加路由：

// 在app.js中添加 const qwenRoutes = require('./src/routes/qwenRoutes'); app.use('/api/qwen', qwenRoutes);

5. 使用PM2进行生产环境部署

开发完成后，我们需要一个更可靠的方式来在生产环境运行服务。PM2是一个很好的选择。

首先全局安装PM2：

npm install -g pm2

然后，在项目根目录创建ecosystem.config.js：

module.exports = { apps: [{ name: 'qwen-backend', script: './app.js', instances: 'max', autorestart: true, watch: false, max_memory_restart: '1G', env: { NODE_ENV: 'production', PORT: 3000 } }] };

启动服务：

pm2 start ecosystem.config.js

常用PM2命令：

pm2 list：查看运行中的进程
pm2 logs：查看日志
pm2 restart <app_name>：重启应用
pm2 delete <app_name>：停止并删除应用

6. 项目测试与验证

让我们测试一下我们的API是否正常工作。可以使用Postman或curl发送请求：

curl -X POST http://localhost:3000/api/qwen/generate \ -H "Content-Type: application/json" \ -d '{ "prompt": "用Node.js开发AI应用的优势有哪些？", "max_tokens": 300, "temperature": 0.7 }'

如果一切正常，你应该会收到Qwen3.5-9B模型生成的响应。