最近在尝试本地部署大语言模型时，发现很多开发者都卡在了环境配置和性能调优上，尤其是面对参数规模较大的模型，资源消耗和推理速度成了两大难题。阿里云推出的 Qwen3.8-27B 模型，以其出色的性能表现和相对友好的硬件要求，成为了许多开发者和研究者在本地运行“类 GPT-4”级别模型的热门选择。本文将围绕如何在本地环境中成功运行 Qwen3.8-27B 模型，并使其发挥出接近 Opus 4.6 Max 级别的能力，提供一个从零开始的完整实战教程。无论你是想进行本地 AI 应用开发、模型微调研究，还是单纯体验大模型的强大能力，这篇指南都将为你提供清晰的步骤、可复现的代码和关键的避坑方案。

1. 背景与核心概念

在深入实践之前，我们有必要先厘清几个关键概念，理解为什么 Qwen3.8-27B 是一个值得关注的选项。

1.1 Qwen3.8-27B 是什么？

Qwen3.8-27B 是阿里通义千问团队发布的最新开源大语言模型系列中的一员。“3.8”代表模型系列版本，“27B”指模型的参数量约为 270 亿。它是一个基于 Transformer 架构的 decoder-only 模型，在代码、数学、推理、中英文对话等多个领域都展现出了强大的能力。其最大的亮点在于，在 27B 这个参数量级上，通过精心的训练和优化，其综合性能被评估为能够接近甚至在某些任务上达到 OpenAI 的 GPT-4 或 Anthropic 的 Claude 3 Opus 等顶级闭源模型的水平，为开发者和研究者提供了一个高性能、可私有化部署的替代方案。

1.2 Opus 4.6 Max 级能力意味着什么？

“Opus 4.6 Max”并非一个官方标准，而是社区和评测中用来形容模型顶级综合能力的一个代称，通常指代像 Claude 3 Opus、GPT-4 这类在复杂推理、长文本理解、代码生成和创造性写作等方面表现卓越的模型。当我们说 Qwen3.8-27B 具备“Opus 4.6 Max 级能力”时，是指它在标准评测集（如 MMLU、GSM8K、HumanEval等）上的得分，以及在许多实际应用场景中的主观体验，已经非常接近这些顶级商业模型。这意味着我们可以在本地，以相对可控的成本，获得一个能力极强的 AI 助手。

1.3 本地运行的价值与挑战

价值：

  1. 数据隐私与安全 ：所有数据在本地处理，无需上传至云端，满足金融、医疗、法律等对数据敏感行业的需求。
  2. 完全可控 ：模型行为、版本、更新节奏完全由自己决定，不受服务商政策变化影响。
  3. 成本可控 ：一次性的硬件投入和持续的电力成本，对于高频使用场景，长期来看可能比调用 API 更经济。
  4. 定制化潜力 ：可以基于开源模型进行微调（Fine-tuning），打造专属领域的专家模型。

挑战：

  1. 硬件门槛 ：27B 参数的模型对 GPU 显存有较高要求，通常需要 24GB 或以上的显存才能流畅运行。
  2. 软件环境复杂 ：涉及 CUDA、驱动、深度学习框架、模型加载库等多个组件的兼容性配置。
  3. 推理速度 ：相比云端优化的超大规模集群，本地单卡或双卡的推理延迟（Latency）和吞吐量（Throughput）需要优化。
  4. 量化与优化 ：为了在有限资源下运行，需要对模型进行量化（如 INT4, INT8），这可能会带来一定的精度损失。

本文将系统性地解决这些挑战，带你一步步在本地搭建起高性能的 Qwen3.8-27B 推理环境。

2. 环境准备与版本说明

本地运行大模型，环境是成功的第一步。以下配置是经过验证的稳定组合，请尽量保持一致以减少不必要的麻烦。

2.1 硬件要求

  • GPU（核心） ：NVIDIA GPU，显存 >= 24GB 。
    • 推荐 ：RTX 4090 (24GB)、RTX 3090 (24GB)、A5000 (24GB) 或更高性能的卡（如 A100 40/80GB）。
    • 最低尝试 ：RTX 4080 (16GB) 或 RTX 3080 (12GB) 可以通过更激进的量化（如 4-bit）尝试运行，但性能和上下文长度会受限。
  • CPU ：现代多核 CPU（如 Intel i7/i9 或 AMD Ryzen 7/9），用于辅助处理部分计算和 IO。
  • 内存 ：系统 RAM >= 32GB ，建议 64GB 以上，用于缓存模型权重（如果使用 CPU 卸载）和处理长上下文。
  • 存储 ：至少需要 60GB 的可用 SSD 空间，用于存放模型文件和 Python 环境。

2.2 软件环境

  • 操作系统 ：Ubuntu 20.04/22.04 LTS 或 Windows 11 with WSL2。本文以 Ubuntu 22.04 为例，Windows 用户可通过 WSL2 获得几乎相同的体验。
  • NVIDIA 驱动 ：版本 >= 525.60.11。使用 nvidia-smi 命令检查。
  • CUDA Toolkit ：版本 12.1 。这是与 PyTorch 2.x 和主流推理库兼容性较好的版本。
  • Python ：版本 3.10 。这是目前深度学习生态兼容性最好的 Python 版本之一。
  • 包管理工具 ：使用 conda 或 venv 创建独立的虚拟环境，强烈推荐 conda 以便于管理 CUDA 和 Python 版本。

2.3 关键软件版本

以下是我们将使用的主要库及其版本，请在虚拟环境中安装：

torch==2.2.0+cu121
torchvision==0.17.0+cu121
torchaudio==2.2.0+cu121
transformers==4.38.0
accelerate==0.27.0
bitsandbytes==0.42.0  # 用于 4-bit/8-bit 量化
vllm==0.3.3  # 可选，用于高性能推理
sentencepiece==0.1.99  # 分词器依赖
tiktoken  # 可选，OpenAI兼容分词

版本说明 ：PyTorch 必须与 CUDA 版本匹配（ cu121 对应 CUDA 12.1）。 transformers 和 accelerate 是 Hugging Face 生态的核心，用于加载和运行模型。 bitsandbytes 是实现量化运行的关键。 vllm 是一个新兴的高性能推理引擎，能极大提升吞吐量，可选但推荐。

3. 核心原理与优化策略拆解

要让 27B 的模型在消费级显卡上流畅运行，并逼近其最大潜力，我们需要理解并应用几种关键技术。

3.1 模型量化（Quantization）

量化是将模型权重从高精度（如 FP32, FP16）转换为低精度（如 INT8, INT4）的过程，能显著减少内存占用和加速计算。

  • NF4 (4-bit NormalFloat) ：QLoRA 技术中引入的一种针对神经网络权重优化的 4-bit 数据类型，在极致的压缩下能保持较好的模型精度。通过 bitsandbytes 库的 load_in_4bit=True 参数实现。
  • GPTQ (Post-Training Quantization) ：一种训练后量化技术，通过对每一层权重进行小幅度的校准，在 4-bit 量化下比简单的 Round-to-Nearest 有更好的效果。社区常有发布 GPTQ 量化版本的模型。
  • AWQ (Activation-aware Weight Quantization) ：另一种先进的量化方法，在量化权重时考虑了激活值的分布，通常能获得比 GPTQ 稍好的精度。

如何选择 ：对于初次尝试，使用 Hugging Face transformers 集成的 bitsandbytes 进行 NF4 加载是最简单的方式。若追求极致的性能与精度平衡，可以寻找并下载社区发布的 Qwen3.8-27B-GPTQ 或 Qwen3.8-27B-AWQ 模型。

3.2 注意力机制优化

原始的 Transformer 注意力计算复杂度随序列长度呈平方级增长，处理长文本时极其缓慢且耗内存。

  • Flash Attention 2 ：由 Tri Dao 提出的 IO 感知精确注意力算法，能大幅提升注意力计算速度并减少内存占用。PyTorch 2.0 以上版本已集成支持。
  • 滑动窗口注意力（Sliding Window Attention） ：一些模型架构（如 Mistral）采用此技术，让每个 token 只关注附近一定窗口内的 token，从而将复杂度降至线性。Qwen 也支持类似的长上下文优化。

在我们的配置中，使用最新版的 torch 和 transformers 库通常会默认启用 Flash Attention 2（如果硬件和数据类型支持）。

3.3 高性能推理引擎

直接使用 transformers 的 pipeline 或 model.generate() 简单方便，但未必最优。

  • vLLM ：一个专为 LLM 推理服务设计的高吞吐量、低延迟引擎。其核心是 PagedAttention 算法，高效管理 KV 缓存，在处理多个并发请求时优势巨大。它能无缝加载 Hugging Face 模型。
  • Text Generation Inference (TGI) ：Hugging Face 官方推出的推理服务容器，同样支持高性能推理和连续批处理。

对于本地部署且希望获得最佳吞吐量的场景， vLLM 是目前非常推荐的选择。

4. 完整实战：本地部署与运行 Qwen3.8-27B

接下来，我们从零开始，完成环境的搭建、模型的下载与加载，并进行推理测试。

4.1 创建并激活 Conda 环境

打开终端，执行以下命令：

# 创建名为 qwen38 的 Python 3.10 环境
conda create -n qwen38 python=3.10 -y

# 激活环境
conda activate qwen38

4.2 安装 PyTorch 与 CUDA

根据 PyTorch 官网 的指引安装对应版本。这里我们安装预编译的 CUDA 12.1 版本：

pip install torch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0 --index-url https://download.pytorch.org/whl/cu121

安装后验证 CUDA 是否可用：

python -c "import torch; print(torch.__version__); print(torch.cuda.is_available()); print(torch.cuda.get_device_name(0))"

预期输出应显示你的 CUDA 版本、 True 以及你的 GPU 型号。

4.3 安装其他依赖库

# 安装 Hugging Face 核心库、加速库和量化库
pip install transformers accelerate sentencepiece

# 安装 bitsandbytes (量化依赖)。注意：可能需要从源码编译或寻找预编译轮子，取决于你的系统。
# Linux 下通常可以直接安装：
pip install bitsandbytes

# 可选但推荐：安装 vLLM 以获得最佳推理性能
pip install vllm

4.4 下载 Qwen3.8-27B 模型

模型可以从 Hugging Face Hub 下载。确保你的网络环境可以访问 Hugging Face。

方式一：使用 snapshot_download (推荐) 这种方式可以断点续传，更适合大模型。

# download_model.py
from huggingface_hub import snapshot_download

model_id = "Qwen/Qwen3.8-27B" # 也可以尝试 "Qwen/Qwen3.8-27B-Instruct" 指令微调版
local_dir = "./models/Qwen3.8-27B"

snapshot_download(repo_id=model_id, local_dir=local_dir, local_dir_use_symlinks=False)
print(f"模型已下载至: {local_dir}")

运行 python download_model.py 。这需要约 50GB 的磁盘空间（FP16精度）。

方式二：使用 Git LFS 如果你熟悉 Git，也可以克隆仓库（需要先安装 Git LFS）：

git lfs install
git clone https://huggingface.co/Qwen/Qwen3.8-27B ./models/Qwen3.8-27B

4.5 使用 Transformers 进行基础推理（带量化）

这是最直接的方式，适合快速测试和交互。

# run_qwen_basic.py
from transformers import AutoModelForCausalLM, AutoTokenizer, pipeline
import torch

# 指定模型路径
model_path = "./models/Qwen3.8-27B"

# 加载 tokenizer
tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)

# 加载模型，使用 4-bit 量化以节省显存
model = AutoModelForCausalLM.from_pretrained(
    model_path,
    torch_dtype=torch.float16,  # 模型计算精度
    device_map="auto",           # 自动将模型层分配到可用的 GPU/CPU
    load_in_4bit=True,           # 启用 4-bit 量化
    bnb_4bit_compute_dtype=torch.float16,
    trust_remote_code=True       # Qwen 模型需要此参数
)

# 创建文本生成 pipeline
pipe = pipeline(
    "text-generation",
    model=model,
    tokenizer=tokenizer,
    max_new_tokens=512,          # 生成的最大 token 数
    temperature=0.7,             # 创造性，越低越确定
    do_sample=True,
)

# 准备提示词
prompt = "请用 Python 写一个快速排序函数，并附上简要说明。"
messages = [
    {"role": "system", "content": "你是一个乐于助人的 AI 助手。"},
    {"role": "user", "content": prompt}
]
# 使用 tokenizer 的 apply_chat_template 方法格式化对话
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)

# 生成回复
print("用户提问：", prompt)
print("\n--- AI 回复 ---\n")
result = pipe(text)
print(result[0]['generated_text'][len(text):])  # 只打印新生成的部分

运行 ： python run_qwen_basic.py 。首次运行会加载模型，可能需要几分钟。加载成功后，会输出生成的代码和说明。

4.6 使用 vLLM 进行高性能推理（推荐）

对于追求速度和并发能力的生产级部署，vLLM 是更好的选择。

# run_qwen_vllm.py
from vllm import LLM, SamplingParams

# 定义采样参数
sampling_params = SamplingParams(
    temperature=0.7,
    top_p=0.9,
    max_tokens=512,
)

# 初始化 LLM 引擎
# 注意：vLLM 目前对量化模型的支持在快速演进，请查阅其最新文档。
# 这里以加载 FP16 原始模型为例。如果显存不足，可以寻找 GPTQ 版本并使用 `quantization="gptq"` 参数。
llm = LLM(
    model="./models/Qwen3.8-27B",
    trust_remote_code=True,
    tensor_parallel_size=1,  # 如果有多张 GPU，可以设置为 GPU 数量以进行张量并行
    gpu_memory_utilization=0.9, # GPU 内存利用率
)

# 准备提示词（vLLM 接收字符串列表，支持批量）
prompts = [
    """<|im_start|>system
你是一个代码专家。<|im_end|>
<|im_start|>user
请用 Python 写一个快速排序函数，并附上简要说明。<|im_end|>
<|im_start|>assistant
"""
]

# 生成
outputs = llm.generate(prompts, sampling_params)

# 输出结果
for output in outputs:
    generated_text = output.outputs[0].text
    print(generated_text)

运行 ： python run_qwen_vllm.py 。vLLM 的引擎初始化（加载模型）通常也只需一次，后续的推理请求会非常快。

4.7 构建简单的 Gradio Web UI

为了方便交互，我们可以用 Gradio 快速搭建一个聊天界面。

# app_gradio.py
import gradio as gr
from transformers import AutoModelForCausalLM, AutoTokenizer, TextIteratorStreamer
import torch
from threading import Thread

model_path = "./models/Qwen3.8-27B"
tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)

model = AutoModelForCausalLM.from_pretrained(
    model_path,
    torch_dtype=torch.float16,
    device_map="auto",
    load_in_4bit=True,
    bnb_4bit_compute_dtype=torch.float16,
    trust_remote_code=True
)
model.eval()

def predict(message, history):
    # 将 Gradio 的对话历史格式转换为 Qwen 的聊天模板格式
    history_format = []
    for human, assistant in history:
        history_format.append({"role": "user", "content": human})
        history_format.append({"role": "assistant", "content": assistant})
    history_format.append({"role": "user", "content": message})

    # 应用聊天模板
    text = tokenizer.apply_chat_template(history_format, tokenize=False, add_generation_prompt=True)
    inputs = tokenizer(text, return_tensors="pt").to(model.device)

    # 创建流式输出器
    streamer = TextIteratorStreamer(tokenizer, skip_prompt=True, skip_special_tokens=True)
    generation_kwargs = dict(inputs, streamer=streamer, max_new_tokens=1024, do_sample=True, temperature=0.7)
    thread = Thread(target=model.generate, kwargs=generation_kwargs)
    thread.start()

    # 流式输出生成内容
    partial_message = ""
    for new_token in streamer:
        partial_message += new_token
        yield partial_message

# 创建 Gradio 聊天界面
gr.ChatInterface(
    predict,
    title="Qwen3.8-27B 本地助手",
    description="基于 Qwen3.8-27B 模型的本地对话 AI",
    theme="soft",
).queue().launch(server_name="0.0.0.0", server_port=7860, share=False) # share=True 可生成临时公网链接

运行 ： python app_gradio.py 。然后在浏览器中打开 http://localhost:7860 即可开始聊天。

5. 常见问题与排查思路

在本地部署过程中，你可能会遇到以下问题。这里提供排查思路和解决方案。

问题现象 可能原因 排查与解决方案
CUDA out of memory 1. 模型未量化，FP16/FP32 版本超出显存。
2. 即使量化，上下文长度（ max_length ）设置过大。
3. 系统其他进程占用显存。		 1. 确保使用 load_in_4bit=True 或加载 GPTQ 量化模型。
2. 减少 max_new_tokens 和 max_length 。
3. 运行 nvidia-smi 查看显存占用，关闭不必要的进程。
4. 使用 vLLM 并设置 gpu_memory_utilization 和 swap_space 。
RuntimeError: ... expected scalar type Float but found Half PyTorch、CUDA 版本与 bitsandbytes 不兼容，或 bitsandbytes 未正确编译。 1. 严格遵循本文的版本搭配（PyTorch 2.2 + CUDA 12.1）。
2. 尝试重新安装 bitsandbytes : pip uninstall bitsandbytes -y && pip install bitsandbytes 。
3. 在 Linux 下，可能需要从源码编译： pip install git+https://github.com/TimDettmers/bitsandbytes.git 。
模型加载极慢或卡住 1. 首次运行需从网络下载模型文件或配置文件。
2. 硬盘 IO 慢（特别是机械硬盘）。
3. 系统内存不足，使用了交换分区。		 1. 确保模型已提前下载到本地，并指定正确的 local_dir 。
2. 将模型放在 SSD 上。
3. 增加系统物理内存，确保加载模型时不会触发 swap。
生成速度很慢 1. 未使用 Flash Attention。
2. 未使用 vLLM 等优化引擎。
3. GPU 计算能力较弱。		 1. 确保 torch >= 2.0 并使用了支持的数据类型（如 torch.float16 ）。
2. 切换到 vLLM 引擎进行推理。
3. 在 vLLM 中尝试启用 tensor_parallel_size （多 GPU）或 pipeline_parallel_size 。
“trust_remote_code” 相关警告或错误 Qwen 模型使用了自定义的模型代码，需要信任远程代码才能加载。 在 from_pretrained 方法中始终设置 trust_remote_code=True 。这是使用 Qwen 系列模型的必要条件。
Gradio 界面无响应或报错 1. 端口被占用。
2. 生成函数 yield 使用不当。
3. 模型生成线程阻塞。		 1. 更改 launch(server_port=xxxx) 中的端口号。
2. 检查 TextIteratorStreamer 和线程的使用是否正确。
3. 尝试先使用非流式（一次性生成）验证模型本身是否工作。
中文输出乱码或质量差 1. 提示词（Prompt）格式不符合模型训练时的格式。
2. 生成参数（如 temperature ）设置不当。		 1. 务必使用 tokenizer.apply_chat_template 来格式化对话，这是保证 Qwen 理解上下文的关键。
2. 调整 temperature (0.1~0.9) 和 top_p (0.8~0.95)。对于代码、事实问答，调低温度；对于创意写作，调高温度。

6. 最佳实践与工程建议

成功运行只是第一步，要让 Qwen3.8-27B 稳定、高效地服务于你的项目，还需要遵循一些工程最佳实践。

6.1 模型版本与格式管理

  1. 明确版本 ：记录你使用的具体模型版本（如 Qwen/Qwen3.8-27B-Instruct commit id）。不同版本的模型行为可能有差异。
  2. 优先使用指令微调版 ：对于对话、问答任务，使用 -Instruct 后缀的模型（如 Qwen3.8-27B-Instruct ）会比基础版有更好的指令遵循能力和安全性。
  3. 选择合适的量化格式 ：
    • 开发/测试 ：使用 bitsandbytes 的 load_in_4bit ，最方便。
    • 生产部署（单卡） ：寻找并测试社区提供的 GPTQ 或 AWQ 量化模型，通常能获得更好的精度-速度平衡。
    • 生产部署（多卡/高并发） ：使用 vLLM 加载原始 FP16 模型（如果显存足够），或加载 vLLM 支持的量化格式。

6.2 提示工程（Prompt Engineering）

Qwen3.8-27B 虽然强大，但好的提示词能显著提升输出质量。

  1. 使用正确的聊天模板 ：这是最重要的原则。始终使用 tokenizer.apply_chat_template() 来格式化你的对话历史。Qwen 使用类似 <|im_start|> 的特殊 token 来区分角色。
  2. 系统提示词（System Prompt） ：在对话开头通过 system 角色设定 AI 的行为、身份和边界，能更稳定地控制输出。 
    messages = [
    {"role": "system", "content": "你是一位严谨的软件工程师，回答技术问题要求准确、完整，代码需带注释。"},
    {"role": "user", "content": "解释一下什么是 RESTful API。"}
]
  3. 思维链（Chain-of-Thought） ：对于复杂推理问题，在提示词中要求模型“逐步思考”，可以激发其推理能力，提升答案准确性。

6.3 性能优化

  1. 批处理（Batching） ：如果同时有多个请求，务必使用批处理。 vLLM 的 LLM.generate() 天然支持批处理，能极大提升 GPU 利用率和吞吐量。
  2. KV 缓存 ：对于多轮对话，复用上一轮的 KV 缓存可以避免重复计算，大幅降低后续回复的延迟。 vLLM 和 transformers 的 past_key_values 都支持此功能。
  3. 调整生成参数 ：
    • max_new_tokens ：根据实际需要设置，不要盲目设大。
    • temperature 和 top_p ：根据任务类型调整。确定性任务用低温度（0.1-0.3），创意任务用高温度（0.7-0.9）。
    • do_sample ：设为 False 可以进行贪婪解码（ temperature=0 ），速度最快，但结果可能缺乏多样性。

6.4 生产环境部署考量

  1. 服务化 ：不要直接运行 Python 脚本。使用 FastAPI 或 Flask 将模型包装成 HTTP API 服务，并考虑使用 uvicorn 或 gunicorn 作为 ASGI/WSGI 服务器。
  2. 健康检查与监控 ：为 API 服务添加 /health 端点，监控 GPU 显存、利用率、请求延迟和错误率。
  3. 限流与队列 ：实现请求限流（Rate Limiting）和队列机制，防止服务被突发流量打垮。可以使用 asyncio.Semaphore 或更专业的消息队列。
  4. 日志与审计 ：记录所有请求和响应的元数据（不记录敏感内容本身），便于问题排查和审计。
  5. 安全 ：
    • 输入过滤 ：对用户输入进行基本的过滤，防止提示词注入攻击。
    • 输出审查 ：对模型生成的内容进行后处理或二次检查，避免输出有害或不适当内容。可以考虑使用一个轻量级的分类器模型进行过滤。
    • 网络隔离 ：将模型服务部署在内网，通过网关对外提供访问。

6.5 成本与资源管理

  1. 显存估算 ：一个粗略的估算公式： 显存占用 ≈ 模型参数量（单位：B） * 量化位数 / 8（单位：字节） * 2（KV缓存等开销） 。例如，27B 模型 4-bit 量化，理论最低显存约为 27 * 4 / 8 * 2 ≈ 27 GB 。实际会略高。
  2. CPU 卸载 ：如果 GPU 显存不足， accelerate 库支持将部分模型层卸载到 CPU 内存，但会极大降低推理速度，仅作为临时解决方案。
  3. 模型切片（Model Sharding） ：对于多 GPU 环境，可以使用 device_map=”auto” 或 vLLM 的 tensor_parallel_size 将模型自动切分到多个 GPU 上。

通过以上步骤和最佳实践，你应该已经成功在本地部署并运行了 Qwen3.8-27B 模型，并能够通过优化配置使其发挥出强大的能力。从环境搭建、模型加载、量化配置到高性能服务部署，整个流程覆盖了本地运行大模型的核心环节。记住，关键在于根据你的硬件资源和应用场景，灵活选择量化方案和推理引擎。接下来，你可以尝试在此基础上进行模型微调、构建复杂的 AI 应用链，或将其集成到你的业务系统中。

Logo
亚马逊云科技技术品牌专区

更多推荐

open-code-review Codex 插件教程：对话式调用评审技能指南

本文是一份面向新手的 **open-code-review Codex 插件教程**，教你在 Codex 中通过对话式方式调用 open-code-review 的 AI 代码评审技能。open-code-review 是阿里巴巴开源的 AI 代码评审工具，采用"确定性流水线 + LLM Agent"混合架构，内置多语言评审规则（NPE、线程安全、XSS、SQL 注入等），可在 Codex 里用一

avatar 亚马逊云科技技术品牌专区

OBS Studio 完整指南：免费开源录屏与直播软件从零上手

想做一场像模像样的直播，或者把屏幕内容录成教程视频，但一想到商用软件的订阅费就有些犹豫？其实你不需要花一分钱。OBS Studio 是一款免费开源的直播与录屏软件，支持 Windows、macOS 和 Linux，采集、混音、编码、推流、录制，一条流水线全包了。## 先搞清楚 OBS Studio 是什么OBS Studio 是一个"场景化"的采集合成工具：你把摄像头、窗口、浏览器、图片、

avatar 亚马逊云科技技术品牌专区

如何用MediaCrawler爬取小红书抖音数据？7大平台爬虫从安装到实战完整指南

MediaCrawler 是一个支持小红书、抖音、快手、B站、微博、百度贴吧、知乎的开源自媒体数据采集工具。它能按关键词、按帖子、按创作者主页三种方式抓取笔记/视频内容、评论甚至二级评论，并把结果存成 JSON、CSV、Excel 或数据库。适合做市场调研、竞品监控、内容选题的运营人员，以及想要现成爬虫框架而不想从零写 JS 逆向的开发者。## 从一次"手动抄数据"说起想象这个场景：你负责

avatar 亚马逊云科技技术品牌专区