Qwen3-1.7B新手入门：从启动镜像到完成第一次对话

你是不是对最近很火的Qwen3大模型感到好奇，想亲手试试这个阿里巴巴开源的新模型？但一看到那些复杂的安装命令和配置步骤就头疼，不知道从何下手？

别担心，这篇文章就是为你准备的。我将带你从零开始，用最简单的方式启动Qwen3-1.7B镜像，并完成你的第一次AI对话。整个过程就像打开一个APP一样简单，不需要懂复杂的命令行，也不需要配置繁琐的环境。

1. 准备工作：了解我们要做什么

在开始之前，我们先简单了解一下Qwen3-1.7B是什么。

Qwen3（千问3）是阿里巴巴在2025年4月发布的新一代大语言模型系列，我们今天要用的1.7B版本是其中比较轻量的一个。虽然参数不多，但它在很多任务上表现都不错，而且对硬件要求不高，特别适合新手入门体验。

今天我们要做的就三件事：

1. 启动Qwen3-1.7B的镜像
2. 用几行代码调用模型
3. 完成第一次对话

听起来是不是很简单？那我们开始吧。

2. 启动镜像：打开你的AI工作台

2.1 找到并启动镜像

首先，你需要找到Qwen3-1.7B的镜像。这个镜像已经预装好了所有需要的环境和依赖，你不需要自己安装Python、下载模型或者配置环境。

启动镜像的过程很简单：

1. 在镜像管理页面找到Qwen3-1.7B
2. 点击“启动”按钮
3. 等待几秒钟，系统会自动为你创建一个运行环境

启动成功后，你会看到一个类似下面这样的界面：

镜像启动成功！
访问地址：https://gpu-pod69523bb78b8ef44ff14daa57-8000.web.gpu.csdn.net

重要提示：这个地址每个人都不一样，你的地址会显示在启动成功的页面上。记下这个地址，我们后面会用到。

2.2 打开Jupyter Notebook

镜像启动后，我们需要打开Jupyter Notebook来写代码。Jupyter是一个在网页上写Python代码的工具，特别适合做数据分析和AI实验。

打开方式很简单：

1. 在你的镜像访问地址后面加上 /lab
2. 比如你的地址是 https://gpu-pod69523bb78b8ef44ff14daa57-8000.web.gpu.csdn.net
3. 那么Jupyter的地址就是 https://gpu-pod69523bb78b8ef44ff14daa57-8000.web.gpu.csdn.net/lab

打开这个地址，你会看到一个文件管理界面。这就是你的AI工作台了！

3. 创建你的第一个AI对话程序

3.1 新建一个Python文件

在Jupyter界面左侧的文件列表中，点击“新建”按钮，选择“Python 3”创建一个新的Python文件。

给文件起个名字，比如 first_qwen_chat.ipynb。.ipynb 是Jupyter Notebook的文件格式，它允许你把代码和说明文字写在一起。

3.2 写代码调用Qwen3-1.7B

现在我们来写代码。别担心，代码很简单，只有几行。我把每行代码的作用都解释清楚了，你照着写就行。

# 导入需要的库
from langchain_openai import ChatOpenAI
import os

# 创建聊天模型对象
chat_model = ChatOpenAI(
    model="Qwen3-1.7B",  # 指定使用Qwen3-1.7B模型
    temperature=0.5,  # 控制回答的随机性，0.5是比较平衡的值
    base_url="https://gpu-pod69523bb78b8ef44ff14daa57-8000.web.gpu.csdn.net/v1",  # 这里要换成你自己的地址
    api_key="EMPTY",  # 因为是本地调用，不需要真正的API密钥
    extra_body={
        "enable_thinking": True,  # 开启思考过程（可选）
        "return_reasoning": True,  # 返回推理过程（可选）
    },
    streaming=True,  # 开启流式输出，回答会一个字一个字显示
)

# 问模型一个问题
response = chat_model.invoke("你是谁？")

# 打印回答
print(response.content)

重要提醒：上面代码中的 base_url 需要换成你自己的地址。还记得刚才启动镜像时看到的地址吗？把它复制过来，然后在后面加上 /v1。

比如你的地址是 https://gpu-pod1234567890-8000.web.gpu.csdn.net，那么 base_url 就应该是 https://gpu-pod1234567890-8000.web.gpu.csdn.net/v1。

3.3 运行代码看看效果

写完代码后，点击工具栏上的“运行”按钮（或者按 Shift+Enter），代码就会开始执行。

你会看到模型开始思考，然后一个字一个字地输出回答。第一次运行可能会稍微慢一点，因为模型需要加载到内存中。

如果一切正常，你应该能看到类似这样的回答：

我是Qwen3，一个由阿里巴巴开发的大语言模型。我可以回答各种问题、协助写作、编程、翻译等等。有什么我可以帮你的吗？

恭喜你！你已经成功完成了第一次AI对话！

4. 试试更多有趣的问题

现在模型已经跑起来了，你可以问它各种问题。下面我准备了一些例子，你可以复制代码试试看。

4.1 基础问答

# 问一些常识问题
questions = [
    "中国的首都是哪里？",
    "太阳系有几大行星？",
    "Python是什么编程语言？",
    "给我讲个笑话吧",
    "写一首关于春天的诗"
]

for question in questions:
    print(f"你：{question}")
    response = chat_model.invoke(question)
    print(f"AI：{response.content}")
    print("-" * 50)

4.2 代码生成

Qwen3-1.7B在代码生成方面表现不错，你可以试试让它写代码：

# 让AI写代码
code_requests = [
    "用Python写一个计算斐波那契数列的函数",
    "写一个HTML页面，包含标题和一段文字",
    "用JavaScript写一个简单的计算器"
]

for request in code_requests:
    print(f"你：{request}")
    response = chat_model.invoke(request)
    print(f"AI：\n{response.content}")
    print("=" * 50)

4.3 创意写作

# 创意写作
creative_tasks = [
    "写一个关于机器人和人类成为朋友的短故事",
    "为一家咖啡店写一段广告文案",
    "给刚学编程的新手一些建议"
]

for task in creative_tasks:
    print(f"任务：{task}")
    response = chat_model.invoke(task)
    print(f"结果：\n{response.content}")
    print("*" * 50)

5. 调整参数让回答更符合你的需求

你可能注意到了，我们在创建 chat_model 的时候设置了一些参数。这些参数可以调整，让模型的回答更符合你的需求。

5.1 temperature参数：控制回答的随机性

temperature 参数控制模型回答的创造性：

• 值越小（如0.1）：回答更确定、更保守，每次问同样的问题会得到相似的答案
• 值越大（如0.9）：回答更随机、更有创意，但可能不太准确
• 推荐值0.5-0.7：平衡准确性和创造性

# 试试不同的temperature值
chat_model_creative = ChatOpenAI(
    model="Qwen3-1.7B",
    temperature=0.8,  # 更高的创造性
    base_url="你的地址/v1",  # 记得换成你的地址
    api_key="EMPTY",
    streaming=True,
)

chat_model_conservative = ChatOpenAI(
    model="Qwen3-1.7B",
    temperature=0.2,  # 更保守的回答
    base_url="你的地址/v1",
    api_key="EMPTY",
    streaming=True,
)

# 对比不同temperature的效果
question = "如果我能穿越时空，我会做什么？"
print("高创造性回答（temperature=0.8）：")
response1 = chat_model_creative.invoke(question)
print(response1.content)

print("\n保守回答（temperature=0.2）：")
response2 = chat_model_conservative.invoke(question)
print(response2.content)

5.2 流式输出 vs 一次性输出

我们设置了 streaming=True，这样回答会一个字一个字显示，就像真人在打字一样。如果你想要一次性看到完整回答，可以设置为 streaming=False：

chat_model_no_stream = ChatOpenAI(
    model="Qwen3-1.7B",
    temperature=0.5,
    base_url="你的地址/v1",
    api_key="EMPTY",
    streaming=False,  # 关闭流式输出
)

# 一次性获取完整回答
response = chat_model_no_stream.invoke("介绍一下你自己")
print(response.content)  # 一次性打印完整回答

6. 常见问题解决

如果你是第一次使用，可能会遇到一些问题。下面是一些常见问题的解决方法：

6.1 地址错误

问题：运行代码时出现连接错误 解决：检查 base_url 是否正确。确保：

1. 地址是你自己的镜像地址
2. 地址后面加了 /v1
3. 地址没有写错字母或符号

6.2 模型加载慢

问题：第一次运行代码时等待时间较长 解决：这是正常的。模型第一次需要加载到内存中，可能需要几十秒到一分钟。之后再次使用就会快很多。

6.3 回答不完整

问题：模型回答突然中断 解决：可能是网络问题或者模型输出被截断了。可以尝试：

1. 重新运行代码
2. 简化问题，问得更具体一些
3. 检查网络连接是否稳定

6.4 内存不足

问题：运行大型任务时出现内存错误 解决：Qwen3-1.7B对内存要求不高，但如果你要处理很长的文本，可以：

1. 分批处理，不要一次性输入太多内容
2. 关闭其他不必要的程序
3. 如果是在本地运行，确保有足够的内存

7. 下一步可以做什么

现在你已经成功运行了Qwen3-1.7B，完成了第一次对话。接下来你可以尝试更多有趣的事情：

7.1 探索更多功能

Qwen3-1.7B不仅仅能聊天，它还有很多其他能力：

• 代码解释和执行：让它解释代码逻辑，甚至执行简单计算
• 文本总结：输入长文章，让它帮你总结要点
• 翻译：中英文互译，或者其他语言翻译
• 创意写作：写故事、诗歌、广告文案等

7.2 学习更多技术

如果你对技术细节感兴趣，可以深入了解：

• LangChain框架：我们刚才用的就是LangChain，它是一个强大的AI应用开发框架
• 模型微调：用你自己的数据训练模型，让它更擅长特定任务
• API开发：把模型封装成API，让其他程序也能调用

7.3 应用到实际项目

想想看，这个技术可以用在哪些地方？

• 个人助手：帮你写邮件、做计划、回答问题
• 学习工具：解释复杂概念、生成练习题、辅导作业
• 内容创作：写博客、做翻译、生成创意内容
• 编程辅助：写代码、调试、学习新技术

8. 总结

今天我们完成了一个完整的Qwen3-1.7B入门体验：

1. 启动镜像：找到了Qwen3-1.7B镜像并成功启动
2. 打开工作台：使用Jupyter Notebook作为开发环境
3. 写代码调用：用几行简单的Python代码调用了模型
4. 完成对话：问了模型第一个问题并得到了回答
5. 探索功能：尝试了不同的问题和参数设置

整个过程比想象中简单，对吧？你不需要懂深度学习，不需要配置复杂的环境，甚至不需要安装任何软件。这就是云服务带来的便利。

最重要的是，你现在有了一个可以随时对话的AI伙伴。无论你是想学习新知识、解决编程问题、还是需要创意灵感，Qwen3-1.7B都能帮上忙。

技术的价值在于使用。现在你已经掌握了基本的使用方法，接下来就是发挥创意，看看能用这个强大的工具做些什么有趣的事情。祝你玩得开心！

---

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。