Qwen3-1.7B新手入门：无需复杂配置，Jupyter一键启动教程
1. 快速了解Qwen3-1.7B
Qwen3（千问3）是阿里巴巴集团开源的新一代通义千问大语言模型系列中的一员。这个1.7B参数的版本虽然体积小巧，但性能出色，特别适合初学者快速上手体验大语言模型的魅力。
1.1 为什么选择Qwen3-1.7B
- 轻量级：1.7亿参数规模，对硬件要求低
- 高性能：在同类小模型中表现优异
- 易部署：支持多种部署方式，包括本教程介绍的Jupyter一键启动
- 功能全面：支持对话、问答、创作等多种任务
2. 环境准备与启动
2.1 获取镜像
首先确保你已经获取了Qwen3-1.7B的镜像。如果你使用的是CSDN星图平台，可以直接搜索"Qwen3-1.7B"找到对应镜像。
2.2 启动Jupyter环境
启动镜像后，系统会自动打开Jupyter Notebook界面。你会看到一个类似文件管理器的页面，这是你的工作环境。
3. 快速调用模型
3.1 基础调用方法
在Jupyter中新建一个Python笔记本，然后输入以下代码来调用Qwen3-1.7B模型：
from langchain_openai import ChatOpenAI import os chat_model = ChatOpenAI( model="Qwen3-1.7B", temperature=0.5, base_url="https://gpu-pod69523bb78b8ef44ff14daa57-8000.web.gpu.csdn.net/v1", # 替换为你的实际地址 api_key="EMPTY", extra_body={ "enable_thinking": True, "return_reasoning": True, }, streaming=True, ) response = chat_model.invoke("你是谁？") print(response.content)3.2 代码说明
让我们分解这段代码的关键部分：
- 模型选择：
model="Qwen3-1.7B"指定使用Qwen3-1.7B模型 - 温度参数：
temperature=0.5控制生成文本的创造性（0-1之间） - API设置：
api_key="EMPTY"表示使用本地部署无需API密钥 - 额外参数：
enable_thinking和return_reasoning让模型展示更多思考过程
4. 实际应用示例
4.1 简单问答
让我们尝试一个简单的问答：
response = chat_model.invoke("中国的首都是哪里？") print(response.content)4.2 创意写作
模型也可以用于创意写作：
response = chat_model.invoke("写一个关于人工智能的短篇科幻故事，200字左右") print(response.content)4.3 代码生成
Qwen3-1.7B还能帮助生成代码：
response = chat_model.invoke("用Python写一个计算斐波那契数列的函数") print(response.content)5. 进阶使用技巧
5.1 调整生成参数
你可以通过修改参数来获得不同的输出效果：
chat_model = ChatOpenAI( model="Qwen3-1.7B", temperature=0.8, # 更高的温度值会让输出更有创意 max_tokens=500, # 限制生成的最大长度 base_url="你的地址", api_key="EMPTY" )5.2 流式输出
启用流式输出可以实时看到生成内容：
for chunk in chat_model.stream("解释一下量子计算的基本概念"): print(chunk.content, end="", flush=True)5.3 多轮对话
实现多轮对话也很简单：
history = [] while True: user_input = input("你：") if user_input.lower() == 'exit': break history.append({"role": "user", "content": user_input}) response = chat_model.invoke(history) print("AI：", response.content) history.append({"role": "assistant", "content": response.content})6. 常见问题解决
6.1 连接问题
如果遇到连接错误，请检查：
- 确保
base_url正确指向你的Jupyter地址 - 确认端口号是8000
- 检查网络连接是否正常
6.2 性能优化
如果响应速度慢，可以尝试：
- 减少
max_tokens值 - 降低
temperature值 - 关闭
enable_thinking和return_reasoning
6.3 内容质量调整
如果生成内容不符合预期：
- 调整
temperature值（0-1之间） - 提供更明确的提示词
- 尝试不同的随机种子（如果有）
7. 总结与下一步
通过本教程，你已经学会了如何在Jupyter环境中一键启动并使用Qwen3-1.7B模型。这个轻量级但功能强大的模型非常适合初学者快速体验大语言模型的能力。
7.1 学习回顾
- 了解了Qwen3-1.7B的基本特点
- 掌握了Jupyter环境下的快速启动方法
- 学会了基础调用和参数调整
- 尝试了问答、写作、编程等多种应用场景
7.2 进阶学习建议
想要进一步探索，你可以：
- 尝试更复杂的提示工程技巧
- 将模型集成到自己的应用中
- 探索模型的其他功能，如文本摘要、翻译等
- 学习如何微调模型以适应特定任务
获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。
