提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

前言

网上的.json格式会导致十分钟识别不出来，要根据官方文档改成yaml格式才能识别出来。AI和文章都存在滞后性。
官方文档：添加链接描述

一、如何导入

1.添加config
在这里插入图片描述
2.格式-简配

name: 阿里百炼配置示例
version: 1.0.0
schema: v1

models:
    - name: 通义千问-Max
      provider: openai
      model: qwen3.6-plus
      apiBase: https://dashscope.aliyuncs.com/compatible-mode/v1
      apiKey: XXXXXXXXXXXXXXXXXXXXXXXXXx # 请替换为您的真实密钥或环境变量
      defaultCompletionOptions:
          temperature: 0.8   #气温，影响准确率
          maxTokens: 2000

3.reload
如果第二步的格式不对，会一直reload，重启idea也无法停止，只能卸载重装，最后下面能看到模型就能使用了。
在这里插入图片描述

二、使用实拍

在这里插入图片描述

总结

先装的是claude code，登录卡了一个多小时，无法破解，所以转入Continue，没想到按网上教程还是不行，最后还是要看官方文档。

Logo
AI Agent技术社区

Agent 垂直技术社区，欢迎活跃、内容共建。

更多推荐

mlx-community/DeepSeek-V4-Pro-Qwen3.5-9B-4bit：终极4bit量化多模态模型震撼登场！一文看懂核心优势

mlx-community/DeepSeek-V4-Pro-Qwen3.5-9B-4bit是一款基于MLX框架的4bit量化多模态模型，它从Jackrong/DeepSeek-V4-Pro-Qwen3.5-9B转换而来，专为Apple Silicon设备优化，能高效处理文本、图像和视频等多种输入类型，为用户带来强大的多模态AI体验。## 🚀 核心优势解析### 极致高效的4bit量化技术

avatar AI Agent技术社区

Qwen3-VL-8B-Instruct-w8a8-llmcompressor-v0.12.0背后的技术：LLM Compressor如何实现40%模型压缩

Qwen3-VL-8B-Instruct-w8a8-llmcompressor-v0.12.0是一款融合视觉与语言能力的多模态大模型，通过LLM Compressor技术实现了40%的模型压缩，在保持高性能的同时显著降低了部署门槛。本文将深入解析这一压缩技术的核心原理与实现细节，帮助开发者快速掌握模型优化的关键方法。## 为什么模型压缩至关重要？大模型的参数量往往达到数十亿甚至上万亿级别，

avatar AI Agent技术社区

Qwen3.6-27B INT4 AutoRound完整指南：如何在消费级GPU上运行27B多模态大模型

Qwen3.6-27B INT4 AutoRound是一个革命性的量化版本，通过先进的INT4量化技术将原54GB的Qwen3.6-27B多模态大模型压缩至仅18GB，同时保留了完整的图文理解能力和MTP推测解码功能。这个开源项目让开发者和AI爱好者能够在单张RTX 5090等消费级GPU上高效运行27B参数的多模态模型，实现了高性能与低硬件门槛的完美平衡。🚀## 🔍 项目核心特性与技术亮

avatar AI Agent技术社区