魔搭社区大模型一键部署到阿里云边缘云（ENS）

随着大模型技术的快速发展，业界的关注点正逐步从模型训练往模型推理转变。这一转变不仅反映了大模型在实际业务中的广泛应用需求，也体现了技术优化和工程化落地的趋势。

魔搭ModelScope社区

59人浏览 · 2025-05-06 10:38:35

魔搭ModelScope社区 · 2025-05-06 10:38:35 发布

00.前言

随着大模型技术的快速发展，业界的关注点正逐步从模型训练往模型推理转变。这一转变不仅反映了大模型在实际业务中的广泛应用需求，也体现了技术优化和工程化落地的趋势。魔搭社区（ModelScope）作为开源大模型的聚集地，结合阿里云边缘云ENS，提供了一种高效、便捷的部署方式。通过按需付费和弹性伸缩，开发者可以快速部署和使用大模型，享受云计算的便利。本文介绍了魔搭社区与阿里云边缘云ENS的结合使用体验，包括部署流程、环境配置、效果验证等内容。

魔搭社区（ModelScope）是中国规模和影响力最大的开源模型社区。致力于构建模型即服务（MaaS）生态，提供从模型探索、体验、训练、推理到部署的一站式服务。该平台汇聚了超过5万个AI模型，涵盖自然语言处理、计算机视觉、语音、多模态、科学计算等领域，服务超过1400万用户。

阿里云边缘云ENS是由大规模地域分散的边缘节点相互协同组成的一朵可远程管控，安全可信，标准易用的分布式云。以广覆盖为核心定位，为客户提供低时延、本地化、小型化三大核心价值。全球拥有超过3200个边缘节点，中国内地省份与运营商100%覆盖，海外覆盖70+重点国家和地区。

01.部署入口

进入魔搭社区(https://www.modelscope.cn/my/overview) - 模型服务 - 部署服务(SwingDeploy) - 免费部署到魔搭推理API - 新建部署

02.模型选择和部署

模型选择

社区提供了热门模型的优先推荐列表，也支持通过搜索功能为您查找特定模型。下面我们以DeepSeek-R1-Distill-Qwen-14B-GGUF为例进行介绍：

服务部署配置

基础配置

针对该模型，我们选择Ollama作为推理框架，并在免费部署资源中选用边缘节点服务（ENS）进行CPU部署。对于其他模型，您可以根据需求灵活选择CPU或GPU部署。

单账号配额：支持10个免费CPU服务实例、1个GPU服务实例。

当资源不够时，服务创建会报错，并且服务状态为资源不足。

当前免费算力供应紧张，正在安排扩容，请保持关注。

高级配置

支持在列表中更换模型文件，以选定的量化版本。
SwingDeploy提供默认的Modelfile配置文件，同时也支持用户自定义编辑。
如有需要，可自定义配置环境变量。

完成上述操作后，点击右下角“一键部署”按钮，即可开始部署服务。

模型部署需要一定耗时，包括模型下载、制作、资源生产和部署，请您耐心等待。可以在SwingDeploy控制台确认服务状态。

03.效果验证

在部署任务列表中，点击具体任务操作列下的“详情”按钮，即可查看任务详情。详情页展示服务实例的创建时间、更新时间、实例类型、模型文件、推理框架、部署资源及参数等信息，并提供一份示例代码，支持通过OpenAPI SDK进行调用。

以下代码基于实例代码改造，实现了一个简单终端问答Bot，用于测试模型效果。优化了终端的输入输出交互，您可按魔搭-服务详情的配置替换服务地址、api_key、模型地址。

from openai import OpenAI
import sys
from prompt_toolkit import PromptSession
from prompt_toolkit.styles import Style
import time
import tiktoken
import shutil
# 初始化 OpenAI 客户端，base_url,api_key,model请按实际情况填写。
client = OpenAI(
    base_url=<填写魔搭侧的服务地址>,
    api_key=<填写魔搭侧的服务api_key>
)
model = <填写模型路径，如unsloth/DeepSeek-R1-Distill-Qwen-14B-GGUF>
def num_tokens_from_string(string: str) -> int:
    """计算文本中的 tokens 数量"""
    encoding = tiktoken.get_encoding("cl100k_base")
    num_tokens = len(encoding.encode(string))
    return num_tokens
def get_terminal_size():
    """获取终端大小"""
    return shutil.get_terminal_size()
def clear_current_line():
    """清除当前行"""
    terminal_width = get_terminal_size().columns
    print('\r' + ' ' * terminal_width + '\r', end='', flush=True)
def chat_with_model():
    # 创建 prompt session 和自定义样式
    session = PromptSession()
    style = Style.from_dict({
        'prompt': '#00aa00 bold',
    })
    messages = [
        {
            'role': 'system',
            'content': '你是一个有帮助的助手。'
        }
    ]
    print("欢迎使用AI助手！输入'退出'或'quit'可以结束对话。")
    while True:
        try:
            # 使用 prompt_toolkit 处理输入
            user_input = session.prompt('\n你: ', style=style)
            if user_input.lower() in ['退出', 'quit']:
                print("再见！")
                break
            messages.append({
                'role': 'user',
                'content': user_input
            })
            print("\nAI助手: ", end='', flush=True)
            try:
                start_time = time.time()
                response = client.chat.completions.create(
                    model=model,
                    messages=messages,
                    stream=True
                )
                full_response = ""
                for chunk in response:
                    if chunk.choices[0].delta.content:
                        content = chunk.choices[0].delta.content
                        print(content, end='', flush=True)
                        full_response += content
                end_time = time.time()
                elapsed_time = end_time - start_time
                # 计算 tokens
                response_tokens = num_tokens_from_string(full_response)
                tokens_per_second = response_tokens / elapsed_time
                # 确保统计信息显示在新行，并在显示后额外添加换行
                print("\n")  # 先确保有一个空行
                stats = f"[统计] 响应tokens: {response_tokens}, 用时: {elapsed_time:.2f}秒, 速率: {tokens_per_second:.2f} tokens/s"
                print(stats)
                print()  # 添加额外的换行确保滚动
                sys.stdout.flush()  # 强制刷新输出缓冲区
                messages.append({
                    'role': 'assistant',
                    'content': full_response
                })
            except Exception as api_error:
                print(f"\n请求API时发生错误: {str(api_error)}")
                print()  # 额外的换行
                continue
        except KeyboardInterrupt:
            print("\n\n检测到中断，正在退出...")
            print()  # 额外的换行
            break
        except Exception as e:
            print(f"\n发生错误: {str(e)}")
            print()  # 额外的换行
            continue
if __name__ == "__main__":
    try:
        chat_with_model()
    except Exception as e:
        print(f"程序发生错误: {str(e)}")
        print()  # 额外的换行
        sys.exit(1)