本地部署通义千问需严格按提示词规范执行：①环境准备→②模型获取→③运行验证；必须明确os、硬件、量化格式、绝对路径、权限与回滚逻辑，禁用模糊表述和冗余解释。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
本地部署通义千问时，提示词不是“怎么问都行”，而是要像写配置文件一样精准——它直接决定模型能否在你的机器上启动、加载、响应，甚至是否安全运行。
必须锁定硬件与系统环境
不写清操作系统和CPU/GPU型号，模型可能默认返回CUDA+Docker方案，在纯CPU服务器上直接报错。例如：
- 明确写“Ubuntu 22.04 + Intel Xeon CPU，无NVIDIA显卡”，而非“Linux服务器”
- 补充“仅使用CPU推理，禁用GPU加速”，避免它自动引入nvidia-docker、CUDA Toolkit等组件
- 若用llama.cpp或vLLM，需注明量化格式，如“Qwen2-1.5B-Instruct-Q4_K_M.gguf”
命令级输出要可复制、带权限标注
本地部署不是看文档，是贴着终端操作。每条指令必须满足：能一键粘贴执行、知道要不要sudo、失败后有明确回退动作。
- 拒绝模糊表述：“安装Python依赖” → 改为“pip install vllm==0.6.3.post1 --no-deps”
- 敏感操作必须附带三要素：【影响范围】+【跳过条件】+【失败回滚】，例如“chmod 600 /models/config.yaml → 【影响范围】仅限当前配置；【跳过条件】若权限已是600则跳过；【失败回滚】cp /models/config.yaml.bak /models/config.yaml”
- 路径一律用绝对路径或标准变量占位符，如~/models/qwen-1.5b.Q4_K_M.gguf，不写“放在你模型目录下”
结构必须分阶段、编号、禁解释
AI容易堆砌命令、跳过前提判断、忽略环境差异。要用显性流程锚点把它“钉住”。
- 强制要求分阶段编号：① 环境准备 → ② 模型获取 → ③ 服务启动 → ④ 健康验证
- 每个阶段只列必要命令，不加原理说明，不推荐替代工具（如“也可用Ollama”）
- 开头第一句就写“请严格按两阶段执行：① 先输出三级结构提纲，含【环境准备】【模型获取】【运行验证】；② 待我回复‘请展开第X模块’后再逐项写出”
回滚与容错要提前写进提示词
本地跑崩了没人帮你重启，提示词里就得埋好逃生通道。
- 每次部署提示词开头加唯一版本锚点，如【v20260926-01】，同步用于配置文件名、日志前缀、归档包名
- 末尾固定加回滚指令段：“当检测到关键词‘ROLLBACK_NOW’时，立即停止执行，输出上一版标识并调用回滚脚本”
- 灰度测试阶段要求预置fallback_tag，比如配置中写fallback_tag: v20260925-03，异常时自动切回
