# 使用 Micromamba 安装 vLLM 并运行最小模型（facebook/opt-125m）

️ 环境准备

• 系统：Ubuntu
• Python 版本：3.10
• 包管理器：Micromamba
• GPU：NVIDIA（CUDA 支持）

创建环境并安装 vLLM

# 创建 micromamba 环境
micromamba create -n vllm python=3.10

# 激活环境
micromamba activate vllm

# 设置国内镜像（可选）
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

# 安装 vllm（安装到指定缓存/构建目录）
pip install vllm   --cache-dir /www/pip-cache   --build /www/tmp

配置 HuggingFace 镜像和缓存

# 设置模型下载缓存目录
echo 'export HF_HOME=/www/vllamodels' >> ~/.bashrc
echo 'export TRANSFORMERS_CACHE=/www/vllamodels' >> ~/.bashrc

# 使用清华镜像或 HF-Mirror 镜像加速模型下载
echo 'export HF_ENDPOINT=https://hf-mirror.com' >> ~/.bashrc

# 生效环境变量
source ~/.bashrc

权限配置（如用 root 格式化了 /www）

# 确保 ubuntu 用户有写入权限
sudo chown -R ubuntu:ubuntu /www

✅ 验证 vLLM 是否安装成功

python -c "import vllm; print(vllm.__version__)"
# 输出示例：0.9.0

编写并运行最小示例

main.py 示例：

from vllm import LLM, SamplingParams

def main():
    llm = LLM(model="facebook/opt-125m")
    prompt = "Hello, vllm!"
    sampling_params = SamplingParams(max_tokens=20)
    outputs = llm.generate(prompt, sampling_params)
    for output in outputs:
        print("生成文本：", output.outputs[0].text)

if __name__ == "__main__":
    main()

运行：

python main.py

首次运行将会自动下载模型，并显示初始化过程，最终输出生成的文本。

---

Gradio Web 接口小 Demo

import gradio as gr
from vllm import LLM, SamplingParams

llm = LLM(model="facebook/opt-125m")
params = SamplingParams(max_tokens=100)

def chat(prompt):
    outputs = llm.generate(prompt, params)
    return outputs[0].outputs[0].text

gr.Interface(fn=chat, inputs="text", outputs="text", title="vLLM Chatbot").launch()

---

目录结构参考

/www
├── pip-cache/              # pip 缓存
├── tmp/                    # 构建目录
├── vllamodels/             # HuggingFace 模型缓存目录
├── vllmpros/
│   └── main.py             # 示例程序

---

成功运行示例

生成文本： Hello, vllm! How can I help you today?

---

总结

vLLM 是一个支持高效推理的大模型部署框架，配合 HuggingFace 模型可快速上手测试。结合 micromamba、HF-mirror 镜像、权限配置等技巧可在内网服务器顺利部署。