|
前几天写过两篇用2000元主机部署大模型的教程，虽然通义千问的QwQ32B版本和Gemma3但是只能玩玩，并没有实用价值。 今天教大家只花5000元就能拥有属于自己的大模型与智能体开发一体机，而且是Windows版本的！ 为了写这个教程，我直接租了一台成本大约5000元左右的远程主机。 
主机的配置如下 
（一）大模型部署 这个在之前的教程已经详细介绍过，使用Ollama安装，然后在PowerShell中运行ollama命令。 Ollama的下载和大模型的拉群非常花时间，这里说两个技巧。 1.下载Ollama请复制链接到迅雷，速度高达5M/s！ 
2.大模型下载后半段，速度会非常慢，粉丝给我的建议是退出重来，直接满速断点续传，朋友们可以试试。因为我还要下载部署WSL Linux系统和dify智能体开发平台，所以不着急快速下载完，让它慢慢下载吧。
（二）WSL Ubuntu系统安装 趁着下载大模型的功夫，我们把Dify需要的环境配置好。Dify是全球流行的低代码智能体开发平台，且只能依赖Docker安装。 Windows想使用Docker，就必须使用WSL。详细介绍请参考我之前的文章，这里就不详细展开了。 (1)启用适用于Linux的Windwos子系统 dism.exe/online/enable-feature/featurename:Microsoft-Windows-Subsystem-Linux/all/norestart
(2)启用windows虚拟机功能 
(3)安装Ubuntu系统
wsl--install-dUbuntu-20.04
也可以直接微软商店找到Ubuntu的版本安装 
Ubuntu安装完成，正好Gemma3也下载完成。我们来看一下速度！显卡负载98%，大模型输出速度14token/s，已经可以正常使用了！ 
（三）AI 聊天桌面助手安装 这里我使用ThinkAI团队的DeepChat助手，Github地址： https://github.com/ThinkInAIXYZ/deepchat 安装过程非常方便，开始界面直接查找我们刚安装的Gemma3-27B大模型。 
我们来查看一下使用效果,让他写个贪吃蛇游戏试试！ 
代码是写出来了，但是网页一打开，游戏就结束了！看来要加钱或者换模型了！ 不过这个Token输出速率，已经可以干一些低难度的事情了！ （三）WSL 可视化运维面板安装 在WSL2环境中使用命令行安装1Panel 完成安装后，通过浏览器访问相应的端口（http://[WSL_IP]:8888）进入面板。 curl-sSLhttps://resource.fit2cloud.com/1panel/package/quick_start.sh-oquick_start.sh&&sudobashquick_start.sh 在1Panel面板后台完成Docker镜像加速配置
https://docker.1panel.livehttps://docker.registry.cyouhttps://docker-cf.registry.cyouhttps://dockercf.jsdelivr.fyihttps://docker.jsdelivr.fyihttps://dockertest.jsdelivr.fyihttps://mirror.aliyuncs.comhttps://dockerproxy.comhttps://mirror.baidubce.comhttps://docker.m.daocloud.io
（四）智能体开发平台部署 从Github下载Dify仓库
gitclone--depth1https://github.com/langgenius/dify.git
cddify/dockercp.env.example.envdockercomposeup-d 如报错找不到命令则用docker-composeup-d 
访问WSL-IP地址，默认80端口，根据提示完成安装，设置管理员账号后登录
（五）智能体开发实战 1.在Dify（0.15版本）配置Ollama，添加Gemma3-27B的大模型。 
（六）创建DeepSeek聊天助手 在Dify中点击创建空白应用，选择聊天助手，点击创建
在调试与预览窗口选择所需要的模型并发布
在探索栏目，使用创建的聊天助手
（七）创建基于工作流的智能体 点击创建“工作流”类型智能体
利用Dify提供的低代码工具，拓展形成智能体的业务逻辑链
对智能体进行测试和使用 通过智能体日志进行业务流程分析调试
最后 今天我们完成了小成本大模型一体机与智能体开发平台的搭建工作，但是整体效果并没有特别经验，竟然有点小失落，看来还是得升级配置或者尝试其他的大模型了，我们改天再折腾！ | 
