前言

在人工智能技术飞速发展的今天，大型语言模型(LLM)已成为技术创新的核心驱动力。

本文将手把手教你使用高性能推理引擎vLLM部署Qwen大模型，并提供Python和Java两种语言的实现代码，帮助不同技术背景的开发者快速上手。

一、环境准备：硬件与软件配置

---

1.1 推荐硬件配置

我们使用的云主机配置如下（可根据预算调整）：

配置项	参数	最低要求
GPU类型	RTX 4090 [24G]	RTX 3090 [24G]
GPU数量	1	1
CPU核数	8核	4核
内存	15GB	8GB
系统盘	200GB	100GB
带宽	32Mbps	10Mbps

二、搭建vLLM推理环境

---

2.1 创建Python虚拟环境

conda create -n vllm python=3.12.7 
conda activate vllm

2.2 安装vLLM引擎

pip install --upgrade pip 
pip install vllm==0.7.3 # 约20分钟

验证安装：

pip show vllm

三、模型部署实战

---

3.1 下载Qwen模型

mkdir -p /data/models/Qwen/Qwen3 && cd /data/models/Qwen/Qwen3
modelscope download --model Qwen/Qwen3-0.6B --local_dir /data/models/Qwen/Qwen3

3.2 启动API服务

CUDA_VISIBLE_DEVICES=0 nohup python3 -m vllm.entrypoints.openai.api_server --model /data/models/Qwen/Qwen3 --served-model-name=Qwen3-0.6B --dtype=bfloat16 --trust-remote-code --device=cuda --max-model-len=1024 --tensor-parallel-size=1 --gpu-memory-utilization=0.85 --enable-reasoning --reasoning-parser deepseek_r1 --port 8801 --api-key token-123456 &

3.3 服务验证

curl 调用：

curl http://js2.blockelite.cn:8801/v1/models -H "Authorization: Bearer token-123456"

Python调用：

import requests 

url = "http://js2.blockelite.cn:13789/v1/models" 
headers = {"Authorization": "Bearer token-123456"} 
response = requests.get(url, headers=headers) 
print(response.json())

Java调用：

@Bean  
public RestTemplate restTemplate() {  
    RestTemplate template = new RestTemplate();  
    template.getInterceptors().add((request, body, execution) -> {  
        request.getHeaders().add("Authorization", "Bearer token-123456");  
        return execution.execute(request, body);  
    });  
    return template;  
}

@GetMapping(path = "/qwen/chat", produces = "application/json;charset=UTF-8")  
public Map<String, Object> qwenChat() {  
    returnthis.restTemplate.postForObject("http://js2.blockelite.cn:13789/v1/models", Map.class);  
}

四、模型交互实现

---

4.1 基础对话功能

PostMan 调用：

Python调用：

from openai import OpenAI 

client = OpenAI(
 base_url="http://js2.blockelite.cn:8801/v1", 
 api_key="token-123456" 
) 

response = client.chat.completions.create( 
 model="Qwen3-0.6B", 
 messages=[
  { "role": "system", "content": "你出身在一个中医世家，你也是一位德高望重的老中医"},
  { "role": "user", "content": "我最近睡眠不好，你能给我一些建议吗?"}
 ] 
) print(response.choices[0].message.content)

Java调用：

@Bean  
public RestTemplate restTemplate() {  
    RestTemplate template = new RestTemplate();  
    template.getInterceptors().add((request, body, execution) -> {  
        request.getHeaders().add("Authorization", "Bearer token-123456");  
        return execution.execute(request, body);  
    });  
    return template;  
}

@PostMapping(path = "/qwen/chat", produces = "application/json;charset=UTF-8")  
public Map<String, Object> qwenChat(@RequestBody UserMessageDTO dto) {  
    ModelChatEntity modelEntity = new ModelChatEntity().setModel("Qwen3-0.6B");  
    modelEntity.getMessages().add(new ModelChatEntity.Message().setRole("system").setContent("你出身在一个中医世家，你也是一位德高望重的老中医"));  
    modelEntity.getMessages().add(new ModelChatEntity.Message().setRole("user").setContent("我最近睡眠不好，你能给我一些建议吗?"));  

    returnthis.restTemplate.postForObject("http://js2.blockelite.cn:13789/v1/chat/completions", modelEntity, Map.class);  
}

五、总结

---

• 环境准备：基于某云的云主机配置（RTX 4090），测试基本上够用了，而且比较实惠，可以按小时、天、月租用硬件；
• 安装 vLLM：在安装vLLM时有个坑，就是基于默认的配置，在启动大模型时报一个错，一直启动失败，后来版本降到0.7.3时才解决；
• 下载大模型：根据实际需要下载不同公司不同的尺寸的大模型，在些为了快速测试，我选用了阿里的千问3大模型 0.6b，不过，大概也要30分钟左右，要看具体网络环境了；
• 调用大模型：主要使用了Java写了调用示例，为了测试简单选用了Spring MVC的RestTemplate，当然，Spring也顺应形势，快速添加了Spring AI子项目，生产环境建议采用。

大模型算是目前当之无愧最火的一个方向了，算是新时代的风口！有小伙伴觉得，作为新领域、新方向人才需求必然相当大，与之相应的人才缺乏、人才竞争自然也会更少，那转行去做大模型是不是一个更好的选择呢？是不是更好就业呢？是不是就暂时能抵抗35岁中年危机呢？

答案当然是这样，大模型必然是新风口！

那如何学习大模型 ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。但是具体到个人，只能说是：

最先掌握AI的人，将会比较晚掌握AI的人有竞争优势。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

但现在很多想入行大模型的人苦于现在网上的大模型老课程老教材，学也不是不学也不是，基于此我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近100余次后，终于把整个AI大模型的学习路线完善出来！

在这个版本当中：

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型路线+学习教程已经给大家整理并打包分享出来, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型学习资源包》免费分享（安全咨料，放心领取）👈

​

一、大模型经典书籍（免费分享）

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套大模型报告（免费分享）

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、大模型系列视频教程（免费分享）

四、2025最新大模型学习路线（免费分享）

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阶段:启航篇丨极速破界AI新时代

L1阶段：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。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习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阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨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，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。

L5阶段：专题集丨特训篇 【录播课】

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方二维码，免费领取

👉CSDN大礼包🎁：全网最全《LLM大模型学习资源包》免费分享（安全资料，放心领取）👈

​