AutoGen Studio保姆级教程：从零开始配置Qwen3-4B模型

想快速搭建一个能帮你写方案、做分析、甚至自动完成复杂任务的AI智能体团队吗？AutoGen Studio就是这样一个神奇的工具，它提供了一个低代码的图形化界面，让你像搭积木一样组合不同的AI智能体（Agent），构建出强大的AI工作流。

今天，我们就来手把手教你，如何在AutoGen Studio中配置一个完全免费、本地运行的强大模型——Qwen3-4B-Instruct-2507。你不用懂复杂的代码，也不用担心高昂的API费用，跟着这篇教程，从零开始，一步步搭建属于你自己的AI智能体应用。

1. 认识你的新工具：AutoGen Studio

在开始动手之前，我们先花一分钟了解一下AutoGen Studio到底是什么，以及我们今天要用的“核心大脑”——Qwen3-4B模型。

1.1 什么是AutoGen Studio？

简单来说，AutoGen Studio是一个低代码的AI智能体（Agent）构建平台。你可以把它想象成一个“AI乐高”工作台：

• 低代码/无代码：大部分操作通过图形界面点击完成，极大降低了使用门槛。
• 构建AI智能体：你可以创建具有特定技能（如写作、分析、编码）的AI助手。
• 组合成团队：将多个不同技能的智能体组合在一起，让它们协作完成复杂任务（比如一个负责搜集资料，一个负责撰写报告，一个负责检查格式）。
• 基于AutoGen：它的底层是微软开源的AutoGen框架，这是一个非常强大的多智能体编程框架。

有了它，你就不再是单纯地和ChatGPT聊天，而是可以指挥一个“AI小分队”为你工作。

1.2 为什么选择Qwen3-4B-Instruct模型？

在这个镜像中，我们已经为你预置并启动了Qwen3-4B-Instruct-2507模型服务。这是一个非常优秀的开源大语言模型：

• 完全免费与本地化：模型直接在服务器上运行，无需调用任何付费API，没有使用次数限制，数据也完全在本地处理，隐私性更好。
• 强大的指令跟随能力：Instruct版本专门针对理解和遵循人类指令进行了优化，非常适合在AutoGen这类需要精确执行任务的场景中使用。
• 优秀的性能：Qwen系列模型在多项评测中表现突出，4B参数规模在保证能力的同时，对硬件要求也相对友好。

我们的目标，就是把这个强大的“大脑”，接入到AutoGen Studio这个灵活的“身体”里。

2. 环境准备与快速启动

一切从简开始。这个镜像已经为你做好了最复杂的模型部署工作。你需要做的，只是确认服务已经正常启动，然后打开操作界面。

2.1 验证模型服务是否就绪

模型服务是通过vLLM高性能推理引擎部署的。我们首先需要确认它是否已经在后台成功运行。

1. 在终端中，输入以下命令来查看模型服务的启动日志：

   cat /root/workspace/llm.log
   

2. 如果看到日志中包含类似 “Uvicorn running on http://0.0.0.0:8000” 以及模型加载成功的信息，就说明Qwen3-4B模型服务已经在localhost:8000端口上准备就绪了。

（上图仅为示意图，你的实际日志可能略有不同，关键是找到服务成功启动的语句。）

看到成功的日志输出，那么最难关卡已经过了！ 模型正在后台待命。

2.2 访问AutoGen Studio Web界面

AutoGen Studio提供了一个非常友好的网页操作界面。

1. 通常，在启动镜像后，你可以直接通过镜像提供的访问链接（例如 http://你的服务器IP:8080）在浏览器中打开AutoGen Studio。
2. 打开后，你会看到类似下图的界面。这就是我们后续所有操作的“指挥中心”。

界面主要分为几个区域：

• 侧边栏：核心功能导航，包括Team Builder（团队构建器）、Playground（运行操场）、Gallery（案例库）等。
• 主工作区：根据你选择的功能动态显示内容。

我们的配置之旅，将从Team Builder开始。

3. 核心步骤：配置模型客户端

这是本教程最关键的一步——告诉AutoGen Studio：“请使用我们本地刚刚启动的那个Qwen3-4B模型来驱动AI智能体。”

3.1 创建或编辑你的AI智能体（Assistant Agent）

1. 点击侧边栏的 Team Builder。
2. 在这里，你可以创建一个新的智能体团队（Team），也可以编辑已有的示例团队。我们以编辑现有的AssistantAgent为例。
3. 找到AssistantAgent，点击它的**编辑（Edit）**按钮。

3.2 修改模型客户端（Model Client）配置

在智能体的编辑界面，最重要的设置就是Model Client。这决定了这个智能体“用什么模型思考”。

1. 在编辑界面中，找到 Model Client 部分，点击其编辑按钮。

2. 在弹出的配置窗口中，你需要修改两个核心参数：

   • Model (模型名称)：

     Qwen3-4B-Instruct-2507
     

     （请严格按照此格式输入，这是vLLM服务中该模型的具体标识。）

   • Base URL (API基础地址)：

     http://localhost:8000/v1
     

     （这是本地vLLM服务提供的兼容OpenAI API的接口地址。localhost指本机，8000是端口号，/v1是API版本路径。）

3. 其他参数（如API Key）不需要填写，因为我们使用的是本地免费服务。

4. 配置完成后，可以点击 Send Test Message 之类的测试按钮。如果配置正确，你会看到模型成功返回测试响应。

看到成功的测试回复，恭喜！ 这意味着AutoGen Studio已经成功连接到了本地的Qwen3-4B模型。这个智能体现在已经开始用这个强大的开源大脑为你服务了。

4. 运行与测试：创建你的第一个AI会话

配置好模型后，是时候体验一下成果了。我们来到Playground，这是你和AI智能体团队对话的地方。

4.1 新建会话（Session）

1. 点击侧边栏的 Playground。
2. 点击 + New Session 按钮创建一个新会话。
3. 在新建会话时，你需要选择使用哪个Team（团队）。就选择你刚才配置好的那个包含AssistantAgent的团队。

4.2 开始提问与交互

会话创建成功后，界面下方会出现一个聊天输入框。

• 尝试简单提问：你可以像使用任何聊天AI一样，输入问题，比如“用Python写一个快速排序函数”或“给我制定一个周末学习计划”。
• 观察智能体工作：AutoGen Studio的优势在于，如果是一个多智能体团队，你可以在界面上清晰地看到任务是如何在不同智能体之间流转的，每个智能体做了什么，输出了什么。这对于调试和理解工作流程非常有帮助。

现在，尽情地向你的Qwen3-4B驱动AI智能体提问吧！所有的计算都在本地完成，快速且私密。

5. 进阶探索：构建多智能体团队

单个智能体已经很强大了，但AutoGen Studio的真正威力在于多智能体协作。你可以根据之前的参考博文思路，尝试构建一个简单的协作团队：

1. 规划师Agent：负责理解用户需求，并将大任务拆解成几个明确的子任务。
2. 执行者Agent：负责具体执行某个子任务，比如写代码、查资料、做分析。
3. 评审员Agent：负责检查执行者的输出质量，提出改进意见。

在Team Builder中，你可以为每个Agent单独配置技能指令（System Message），并决定它们的协作流程（谁在什么情况下触发谁）。虽然我们这里所有Agent都使用同一个Qwen3-4B模型，但通过不同的指令设定，它们可以扮演完全不同的角色。

6. 总结

回顾一下，我们今天完成了从零开始，在AutoGen Studio中配置本地Qwen3-4B模型的完整流程：

1. 确认基础服务：验证了vLLM引擎已成功加载Qwen3-4B模型并启动API服务。
2. 核心配置：在AutoGen Studio的Team Builder中，修改智能体的Model Client，将其指向本地模型服务（http://localhost:8000/v1），并使用正确的模型名称（Qwen3-4B-Instruct-2507）。
3. 测试运行：在Playground中创建会话，成功与配置好的AI智能体进行交互。

整个过程无需编写任何代码，无需申请付费API，你就获得了一个由先进开源大模型驱动的、可扩展的AI智能体开发环境。你可以在此基础上，深入探索多智能体协作的奥秘，构建出能自动处理复杂业务流程的AI应用。

---

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。