使用 vLLM 本地化部署大模型，安装 vLLM 教程。

/ 创建虚拟环境 /

mkdir -p ~/vllmcd ~/vllmpython -m venv .venv# 激活虚拟环境source ~/vllm/.venv/bin/activate

/ ModelScope 下载 LLM /

👀

   

安装依赖

pip install modelscope

👀

   

下载 LLM

首先，在~/vllm 目录下创建 LLM 保存目录 models

mkdir -p ~/vllm/models

在~/vllm 目录创建 download_model.py 文件

#模型下载from modelscope import snapshot_download# 以Qwen/Qwen3-0.6B模型为例model_dir = snapshot_download('Qwen/Qwen3-0.6B', cache_dir="~/vllm/models")

执行 download_model.py 文件下载模型 

python download_model.py

/ 运行 LLM /

python -m vllm.entrypoints.openai.api_server \--model ~/vllm/models/Qwen/Qwen3-0.6B  \--served-model-name qwen3-0.6b   \--max-model-len 4096  \--host 0.0.0.0 \--port 6006  \--api-key aXssda \--api-server-count 1 \--dtype auto \--enable-auto-tool-choice \--tool-call-parser hermes

使用 openai 兼容的 api 服务

--model 本地模型存放路径

--served-model-name API 中使用的模型名称

--max-model-len 模型上下文长度（提示和输出）。

--dtype 可选值: auto, bfloat16, float, float16, float32, half

--enable-auto-tool-choice 为支持的模型启用自动工具选择

--tool-call-parser 根据您使用的模型选择工具调用解析器，解析器参照 https://docs.vllm.com.cn/en/latest/features/tool_calling/ 

--host 主机名

--port 端口号，默认 8000

--api-key 如果提供，服务器将要求在请求头中提供其中一个密钥

--api-server-count 运行的 API 服务器进程数量，默认 1

完整参数请参考 https://docs.vllm.com.cn/en/latest/cli/serve/

/ 使用 LLM 代码 /

local_llm = ChatOpenAI(    model="qwen3-0.6b",  # 和 --served-model-name 一致    api_key="aXssda", # 和 --api-key 一致    base_url="http://192.168.0.104:6006/v1",    temperature=0.6,    stream_usage=True,    streaming=True,)print(local_llm.invoke("讲一个关于猫的冷笑话"))

如何学习AGI大模型？

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

**

一、2025最新大模型学习路线

一个明确的学习路线可以帮助新人了解从哪里开始，按照什么顺序学习，以及需要掌握哪些知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

L1级别:AI大模型时代的华丽登场

L1阶段：我们会去了解大模型的基础知识，以及大模型在各个行业的应用和分析；学习理解大模型的核心原理，关键技术，以及大模型应用场景；通过理论原理结合多个项目实战，从提示工程基础到提示工程进阶，掌握Prompt提示工程。

L2级别：AI大模型RAG应用开发工程

L2阶段是我们的AI大模型RAG应用开发工程，我们会去学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3级别：大模型Agent应用架构进阶实践

L3阶段：大模型Agent应用架构进阶实现，我们会去学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造我们自己的Agent智能体；同时还可以学习到包括Coze、Dify在内的可视化工具的使用。

L4级别：大模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，我们会更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调；并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

整个大模型学习路线L1主要是对大模型的理论基础、生态以及提示词他的一个学习掌握；而L3 L4更多的是通过项目实战来掌握大模型的应用开发，针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

二、大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

三、大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

四、大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

五、大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取