（与共绩一起学习人工智能：无代码・轻松无忧系列）第四篇 无代码 AI：如何在共绩算力上运行我的第一个 AI 助手

💡

我为什么想运行自己的语言模型

通过共绩算力平台的无代码预制镜像和灵活 GPU 选择，无需手动配置环境，即可快速启动开源语言模型（如 Qwen3 30B）

支持类 ChatGPT 交互和 API 调用，适合机器学习初学者实践

1.共绩算力：立即部署的可试验 AI 模型

• 文本生成（聊天式交互）​使用平台预制服务​：

  • Open Web UI + Qwen3 30B：基于 Qwen3-30B-A3B 大模型的开箱即用聊天界面（通过 8188 端口访问 WebUI），支持类 ChatGPT 交互
  • Qwen3 30B A3B：纯模型服务，提供 API token 支持自定义开发

• 图像生成（Stable Diffusion 全系列）​ 多版本预制镜像​：入门：SD-1.5 WebUI / SD-2.1 WebUI 单卡快速出图

  • 进阶：SD-3.5-large comfyUI - 最新旗舰模型​，支持 API 扩展
  • 专业：Flux.1-dev ComfyUI 工作流引擎

• 开发环境 → Jupyter Lab-torch2.7：Python 3.12 + PyTorch 2.7 即时编程环境 （适合调试自定义模型，但需注意临时存储特性​）

2.如何为 AI 推理选择 GPU

当我在 共绩算力 上启动我的第一个模型（通过“探索”页面）时，我首先感到困惑的是 GPU 类型列表 — A100、H20、4090。我不知道他们中的任何一个是什么意思。这里有一个快速的备忘单：

🟡 4090 – 适合初学者，价格便宜，适用于较小的模型或图像生成。

🔵 H20 – 顶级且快速，但价格更高 – 最适合大型模型或需要快速获得结果的情况。

如果你不确定，可以从 4090 开始。它们对初学者友好，广泛可用，并且适用于大多数入门级任务。

3.循序渐进：在 共绩算力 上部署无代码的 LLM

我为什么选择共绩算力部署大模型？在学习人工智能基础知识后，我希望通过实践更直观地感受大模型的运行逻辑。不同于单纯使用第三方工具，在 GPU Servless 平台上部署开源大模型能让我更深入理解模型特性。共绩算力平台提供的「Open Web UI + Qwen3 30B」预制镜像，恰好满足了我对“无代码、易上手、可扩展”的需求——无需手动配置环境，点击即可启动；支持类 ChatGPT 的对话式交互，边用边学；还能通过环境变量自定义加载其他模型，为后续探索留足空间。

3.1 共绩算力：开箱即用的大模型部署方案

共绩算力平台针对大模型推理场景，提供了「Open Web UI + Qwen3 30B」预制镜像，核心特性如下：

• 无代码交互：通过 8080 端口访问 WebUI，支持类 ChatGPT 的聊天式交互，输入问题即可获得深度回答；
• 标准化 API：11434 端口提供 Ollama 协议的 API 接口，可无缝对接支持该协议的应用程序；
• 灵活扩展：支持通过环境变量切换模型（如 Qwen 3.0 32B 等），适配更多场景需求；
• 资源友好：单卡 4090 即可运行，降低大模型尝鲜门槛；1.68 元/小时 全网最低价格。

3.2 从零开始部署：5 步完成 Qwen3 30B 大模型启动

1. 访问控制台，新建部署任务登录共绩算力控制台（https://console.suanli.cn），点击【新增部署任务】进入配置页面。

1. 选择设备与镜像

• 设备配置：初次调试建议选择单卡 4090、1 个节点；

• 镜像选择：在服务配置中勾选【预制镜像】，选择「Open Web UI + Qwen3 30B」，同意服务协议后点击【部署服务】。

等待镜像拉取与启动由于镜像体积较大（约 30G+），需耐心等待节点拉取并启动镜像，预计耗时数分钟。

完成部署，获取访问链接部署成功后，任务详情页将显示两个关键链接：

API 地址（11434 端口）：用于调用 Ollama 服务的标准化接口；

WebUI 地址（8080 端口）：用于通过网页与大模型交互。

1. 切换模型（可选）若需更换模型（如 Qwen 3.0 32B），可通过环境变量快速调整：

进入任务详情页，点击跳转至环境变量设置页面；

输入模型名称（格式：模型系列：参数规模，如qwen3:32b）；

点击【保存】并【应用修改】使设置生效。

3.3 开始使用：从创建账号到 AI 对话 1. 访问 WebUI 初始页面

打开 8080 端口链接，进入 Open WebUI 启动界面，点击【开始使用。

设置管理员账号输入自定义的管理员账号和密码，点击【创建管理员账号】完成初始化。

启动 AI 对话账号创建后自动登录，默认加载镜像中的「qwen3:30b-a3b」模型，输入问题即可开启对话。

4.自托管 LLM：我学到了什么

在经历了 GPU 卡选择的纠结、端口混淆的困惑、空白 UI 的迷茫，以及模型加载的等待后，我终于向自己在共绩算力云 GPU 上部署的自托管大型语言模型 ——Qwen3 30B—— 提出了第一个问题。它没有解决“布兰妮与克里斯蒂娜谁更好”的永恒争论，却给出了深思熟虑且礼貌的回应。这不是模板化的“官方回答”，而是真实运行在自己云环境中的 AI 发出的声音。

那一刻，所有的技术名词、部署步骤都不再是抽象的理论。自托管 LLM 不是遥不可及的“黑科技”，而是普通人通过共绩算力这样的无代码平台就能触达的实践 —— 只要你有好奇心、愿意动手尝试，就能成为这场 AI 浪潮的参与者。

5.结束语：使用 AI 学习 AI

机器学习不是魔法，本质是大规模的模式识别。尽管其背后有复杂的数学与工程支撑，但 无需掌握所有细节，你也能从 AI 中受益甚至开启实验。就像用智能手机不必懂半导体物理，开车不必懂内燃机原理 —— 技术的进步，本就是为了降低使用门槛。

AI 最妙的地方在于，它能成为你学习 AI 的工具。我曾在部署时全程开启 ChatGPT 窗口，让它像助手一样引导操作：遇到端口问题时分享截图询问原因，加载模型卡顿时让它解释量化的意义。随着不断互动，你甚至可能为它起个名字，拥有专属的“学习搭子”。

今天，共绩算力等平台提供的“无代码预制镜像”“灵活扩展环境变量”等工具，让 AI 实践比以往更简单。无论你是好奇技术可能性、想验证特定场景，还是单纯想了解重塑世界的 AI 浪潮，现在就是最好的开始时机