Qwen2.5 的云端新体验，5 分钟完成极速部署（附教程）
Qwen2.5 是通义千问团队开发的大规模语言和多模态系列模型，以其长文本处理能力、专业知识集成、大规模数据集预训练以及多语言处理等优势，为用户提供了快速、准确的响应，成为企业智能化转型的有效工具。
将 Qwen2.5 模型部署于函数计算 FC，用户能依据业务需求调整资源配置，有效应对高并发场景，并通过优化资源配置，如调整实例规格、多 GPU 部署和模型量化来提升推理速度。此外，函数计算支持多样化 GPU 计费模式（按需计费、阶梯定价、极速模式），可根据业务需求调整，在面对高频请求和大规模数据处理时，能够显著降低综合成本。
适用客户
- 对 AI 的深度理解、多领域知识集成、高效指令执行及多语言支持有高要求的客户
- 期望通过可控的云服务资源配置，确保高效的模型推理和低延迟响应的企业
使用产品
- 函数计算 FC
方案概览
本方案旨在介绍如何将 Qwen2.5 开源模型部署到函数计算 FC。通过函数计算 FC 部署 Ollama 和 Open WebUI 两个应用。Ollama 是一个负责托管 Qwen2.5 模型的应用程序，它为用户提供了多种参数规模的模型选择，并通过 Open WebUI 提供友好的交互界面，以便用户能够轻松地进行AI模型的部署和使用。方案提供的镜像预置了 1.5B、3B、7B 三种不同参数规模供用户选择，Open WebUI 则为用户提供友好的交互界面。
借助函数计算 FC，用户可以快速便捷地部署模型，而无需担心底层资源管理和运维问题，从而专注于应用的创新和开发。函数计算 FC 提供了免运维的高效开发环境，具备弹性伸缩和高可用性，并采用按量付费模式，有效降低资源闲置成本。
实际部署时，您可根据具体的资源规划调整部分配置，但最终的运行环境将与下图展示的架构相似。
本方案的技术架构包括以下云服务：
- 函数计算 FC：全托管的 Serverless 计算服务，用于部署模型服务与 Web 应用。
部署模型
基于 Ollama 部署 Qwen2.5 模型
我们将部署 Ollama 应用以提供模型服务。Ollama 是一个便捷的模型部署和管理工具，帮助开发者高效托管和服务化模型，便于快速集成 AI 能力。
点击 Ollama 模板链接 [ 1] ，访问创建 Ollama 应用页面。
当前应用模板提供了 Qwen2.5 模型 1.5B、3B 和 7B 三种不同参数规模的版本，可以在模型名称下拉列表中按需选择。
- 其余配置项可不作修改，点击创建并部署默认环境按钮部署应用，应用部署成功后如下图所示。
Open WebUI 调用 Qwen2.5 模型
Open WebUI 是一个开源项目，提供了管理和操作模型的图形界面。
点击 Open WebUI 模板链接 [ 2] ，访问创建 Open WebUI 应用页面。
在高级配置 > 地域下拉列表中选择应用所属地域。
警告：确保所选地域与 Ollama 应用创建时所选的地域一致。
- 应用模板中提供了开启鉴权的选项，建议在生产环境开启，以增加安全性，防止未经授权的访问。
- Ollama 接口地址填入 Ollama 应用的内网访问地址。
说明：Ollama 应用内网访问地址获取方式：
a. 打开函数计算 FC 应用 [ 3] 页面，找到 Ollama 应用，点击应用名称进入应用详情。
b. 在应用详情页找到函数资源，点击函数名称进入函数详情页。
c. 鼠标移至 HTTP 触发器，在展开的信息中复制内网访问地址。
- 其余配置项可不作修改，点击创建并部署默认环境按钮部署应用，应用部署成功后如下图所示。
- Open WebUI 应用部署完毕后，点击访问域名。
- 首次打开需要完成实例的创建和模型的部署，请等待 3-5 分钟。
应用体验
一、使用 Open WebUI 调用 Qwen2.5 模型
- 登录 Open WebUI 后，点击 Select a model，在展开的下拉列表中选择 Qwen2.5 模型。如果在下拉列表中未显示可用的模型，请尝试刷新页面以更新列表。
- 可以在对话框中与系统进行交互，调用模型服务获得相应的响应。
- Qwen2.5 模型具备支持超过 29 种语言的能力，例如能够用法语进行自我介绍。
- 由于融入了领域专业专家模型，Qwen2.5 的知识广度和在编码与数学领域的能力都显著提升。我们可以提出一道数学题，Qwen2.5 能够给出正确的解答。
- 点击+图标，选择本地文档上传，可以使用我们提供的“百炼”手机详细参数.docx [ 4] 。
- 针对当前文档撰写提示词“总结文档内容”。
- 可以看到 Qwen2.5 模型成功提炼出了文档的关键信息。
说明：Open WebUI 中文设置：
- 点击右上角图标，在展开的下拉列表中选择 Settings。
- 在 Settings 弹窗中，选择 General > Language。
- 在展开的下拉列表中找到并点击 Chinese（简体中文） 。
- 页面会自动刷新，此时 Open WebUI 的界面语言已切换为简体中文，点击保存按钮后关闭弹窗。
二、函数计算 FC 自动扩缩容机制
- 回到 Ollama 函数详情页，点击实例标签，如果当前实例列表为空，可以点击左下角图标刷新列表。
- 实例列表中可以看到 Ollama 函数实例的数量发生了变化。这是因为函数计算 FC 会根据函数调用量自动扩缩容，调用增加时创建实例，请求减少后若实例空闲超过一定时间（通常 3-5 分钟），则自动销毁以节约资源。这种动态扩缩容的机制不仅提高了资源利用率，还降低了运行成本，使开发者能够专注于业务逻辑，而无需担心底层基础设施的管理。
如何系统的去学习大模型LLM ？
大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。
事实上，抢你饭碗的不是AI，而是会利用AI的人。
继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？
与其焦虑……
不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！
但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。
针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓
👉👈
一、LLM大模型经典书籍
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LLM大模型报告合集
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、LLM大模型系列视频教程
四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）
LLM大模型学习路线 ↓
阶段1：AI大模型时代的基础理解
目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例
阶段2：AI大模型API应用开发工程
目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望
阶段3：AI大模型应用架构实践
目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
内容：
- L3.1 Agent模型框架
- L3.2 MetaGPT
- L3.3 ChatGLM
- L3.4 LLAMA
- L3.5 其他大模型介绍
阶段4：AI大模型私有化部署
目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
内容：
- L4.1 模型私有化部署概述
- L4.2 模型私有化部署的关键技术
- L4.3 模型私有化部署的实施步骤
- L4.4 模型私有化部署的应用场景
这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓
👉👈
