AI学习第2天：模型初体验：GPT、DeepSeek、Qwen 等开源模型对比实战,大模型入门到精通，收藏这篇就足够了！

过去总以为要学 AI 就得掌握数学、写模型、会训练，但现在，大模型时代已经悄悄“降低门槛”：只需几行代码，人人都可以拥有一个属于自己的“ChatGPT”。今天我体验了 GPT（API）、DeepSeek（开源本地）、Qwen（国产开源模型） 三种路线，让你成功生成自己的第一段 AI 内容！

✅ 先说说今天的收获是什么？

• 不依赖 ChatGPT，本地跑开源大模型
• 不训练模型，也能做智能对话、内容生成

🧰 01｜GPT-3.5（OpenAI 官方接口）

条件：具备科学上网条件，且申请到了openai的key

适合：想快速尝鲜 + 有 API key 的用户

安装依赖：

pip install openai

创建一个python文件gpt，核心代码：

import openai

输出示例（自动生成）：

人工智能将在教育中发挥重要作用，例如个性化学习、自动批改作业、智能辅导系统等。它将提高学习效率，减轻教师负担，并为学生提供更加因材施教的学习体验。

✅ 优点：简单、稳定、输出流畅
❌ 缺点：需要 API Key、有调用成本、不支持本地运行

🧠 02｜DeepSeek-Chat（7B）——开源中文模型黑马

适合：追求免费本地部署、轻量体验

安装依赖：

pip install transformers torch accelerate

代码示例：

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch
# 模型名称
model_id = "deepseek-ai/deepseek-llm-7b-chat"
# 加载 tokenizer 和模型
tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    device_map="auto",
    torch_dtype=torch.float16,  # CPU用户请改为 torch.float32
    trust_remote_code=True,
    low_cpu_mem_usage=True,
)
# 构建聊天输入
messages = [
    {"role": "user", "content": "人工智能未来会如何影响人类？"}
]
# 生成 prompt
chat_prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
# 编码输入
inputs = tokenizer(chat_prompt, return_tensors="pt").to(model.device)
# 模型生成
outputs = model.generate(
    **inputs,
    max_new_tokens=200,
    do_sample=True,
    temperature=0.7,
    top_p=0.9
)
# 解码输出，并只保留新增部分
decoded_output = tokenizer.decode(outputs[0], skip_special_tokens=True)
# 去掉 prompt 部分，只保留模型生成的回复
generated_text = decoded_output[len(chat_prompt):].strip()
print("🤖 DeepSeek 回复：\n")
print(generated_text)

✅ 优点：开源免费、本地可跑、中文表现优秀
❌ 缺点：首次加载较慢，对显存有要求

🌐 03｜调用 DeepSeek 官方 API（更轻量，无需本地模型）

适合：设备性能不够强、想快速体验 DeepSeek 效果的用户

✅ 申请 API Key

• 官网注册：https://platform.deepseek.com

• 控制台获取 API Key

• 和 OpenAI 接口方式高度兼容

  安装依赖

• pip install openai
  

✅ 示例代码：

from openai import OpenAI
client = OpenAI(api_key="sk-f9f7deeea82b47c5be7422c7e7742597", base_url="https://api.deepseek.com")
response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "system", "content": "You are a helpful assistant"},
        {"role": "user", "content": "人工智能未来会如何影响人类？"},
    ],
    stream=False
)
print(response.choices[0].message.content)

✅ 优点：不占内存、不需部署、适合前端和小程序接入
❌ 缺点：需联网、免费额度有限

🐉 04｜Qwen-7B-Chat（阿里）——国产开源模型代表

适合：中文问答、任务型对话更精细的用户

安装依赖

pip install tiktoken einops transformers_stream_generator

核心代码

from transformers import AutoTokenizer, AutoModelForCausalLM

✅ 优点：中文语义理解强
❌ 缺点：占用资源较高，部署复杂度略大

📬 小结

🚫 不必从训练模型开始
✅ 从“会调用 + 会封装 + 会调参”开始，最快见成果！

明天我将尝试使用 Gradio 构建可交互网页版本 AI 应用，把跑通的模型变成人人可用的网页版聊天机器人！已经开始期待明天的成果了~~~

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：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】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！