当前位置：首页 > news >正文

Qwen3-0.6B-FP8效果展示：Chainlit界面中完成复杂Python函数生成与单元测试编写

news 2026/7/14 12:21:02

Qwen3-0.6B-FP8效果展示：Chainlit界面中完成复杂Python函数生成与单元测试编写

1. 开篇：当小模型遇上大任务

你可能听过很多关于大语言模型的故事，动辄几十亿、上百亿参数，听起来就让人望而生畏。但今天我想和你分享一个不太一样的体验——一个只有6亿参数的“小”模型，Qwen3-0.6B-FP8，看看它到底能做什么。

最近我在一个项目里部署了这个模型，用的是vLLM推理引擎，前端用Chainlit做了个简单的交互界面。说实话，一开始我没抱太大期望。毕竟0.6B的模型，在动辄几十B、几百B的同行面前，就像个刚上小学的孩子。

但接下来的事情让我有点意外。

我试着让它帮我写一个Python函数，不是简单的“Hello World”，而是一个有点复杂的任务：“写一个函数，接收一个字符串列表，返回一个字典，键是字符串，值是它在列表中出现的次数，同时忽略大小写”。

这还没完，我还加了个要求：“再为这个函数写几个单元测试用例”。

我想看看，这个“小学生”能不能完成这个“初中生”的作业。

2. 模型部署与界面搭建

2.1 快速部署：vLLM + Chainlit组合

部署过程比我想象的简单。vLLM确实是个好东西，推理速度快，内存占用也相对友好。对于Qwen3-0.6B-FP8这种小模型，基本上可以说是秒级加载。

Chainlit就更友好了，几行代码就能搭起一个聊天界面，不用写前端，不用搞复杂的交互逻辑。对于快速验证模型效果来说，再合适不过。

部署完成后，打开Chainlit界面，就是这样一个简洁的聊天窗口：

没有花里胡哨的功能，就是一个输入框，一个发送按钮，一个对话历史区。但正是这种简单，让我能专注于测试模型本身的能力。

2.2 模型就绪检查

在开始测试前，得先确认模型服务跑起来了。打开终端，输入：

cat /root/workspace/llm.log

看到类似下面的输出，就说明模型加载成功了：

准备工作就绪，接下来就是见证效果的环节了。

3. 效果展示：从函数生成到单元测试

3.1 第一次尝试：基础函数生成

我在Chainlit的输入框里输入了第一个问题：

“写一个Python函数，接收一个字符串列表，返回一个字典，键是字符串，值是它在列表中出现的次数，同时忽略大小写。”

按下回车，等待了几秒钟——真的只有几秒，结果就出来了。

模型生成的代码如下：

def count_string_frequency(strings): """ 统计字符串列表中每个字符串出现的频率，忽略大小写 参数: strings (list): 字符串列表 返回: dict: 键为字符串（小写），值为出现次数 """ freq_dict = {} for s in strings: # 转换为小写以忽略大小写 lower_s = s.lower() if lower_s in freq_dict: freq_dict[lower_s] += 1 else: freq_dict[lower_s] = 1 return freq_dict

我的第一印象：代码结构清晰，有完整的函数文档字符串，逻辑正确。它知道要用.lower()来处理大小写问题，用字典来统计频率。对于一个0.6B的模型来说，这个表现已经超出了我的预期。

但我想看看它能不能做得更好。

3.2 进阶要求：添加单元测试

我接着输入第二个问题：

“很好，现在为这个函数写几个单元测试用例。”

这次等待时间稍微长了一点点，大概3-4秒，完整的测试代码就生成了：

import unittest def count_string_frequency(strings): """ 统计字符串列表中每个字符串出现的频率，忽略大小写 参数: strings (list): 字符串列表 返回: dict: 键为字符串（小写），值为出现次数 """ freq_dict = {} for s in strings: # 转换为小写以忽略大小写 lower_s = s.lower() if lower_s in freq_dict: freq_dict[lower_s] += 1 else: freq_dict[lower_s] = 1 return freq_dict class TestCountStringFrequency(unittest.TestCase): def test_basic_case(self): """测试基本功能""" strings = ["Apple", "banana", "apple", "Banana", "cherry"] result = count_string_frequency(strings) expected = {"apple": 2, "banana": 2, "cherry": 1} self.assertEqual(result, expected) def test_empty_list(self): """测试空列表""" strings = [] result = count_string_frequency(strings) expected = {} self.assertEqual(result, expected) def test_single_element(self): """测试单个元素""" strings = ["Hello"] result = count_string_frequency(strings) expected = {"hello": 1} self.assertEqual(result, expected) def test_all_same_case_insensitive(self): """测试大小写混合但实际相同的情况""" strings = ["Python", "python", "PYTHON", "PyThOn"] result = count_string_frequency(strings) expected = {"python": 4} self.assertEqual(result, expected) def test_with_numbers_and_special_chars(self): """测试包含数字和特殊字符的字符串""" strings = ["test123", "TEST123", "hello_world", "HELLO_WORLD"] result = count_string_frequency(strings) expected = {"test123": 2, "hello_world": 2} self.assertEqual(result, expected) if __name__ == "__main__": unittest.main()

这时候我真的有点惊讶了。

3.3 测试代码质量分析

让我们仔细看看模型生成的测试代码：

测试覆盖全面：
- 基本功能测试（test_basic_case）
- 边界情况测试（test_empty_list）
- 特殊情况测试（test_single_element）
- 核心功能验证（test_all_same_case_insensitive）
- 扩展场景测试（test_with_numbers_and_special_chars）
测试用例设计合理：
- 每个测试都有清晰的文档字符串
- 测试数据选择有代表性
- 预期结果明确
代码风格良好：
- 符合PEP 8规范
- 变量命名清晰
- 逻辑结构清晰

我直接把这段代码复制到本地，运行了一下测试：

python test_count_string_frequency.py

输出结果：

..... ---------------------------------------------------------------------- Ran 5 tests in 0.001s OK

全部通过。

4. 深入测试：更复杂的场景

4.1 挑战一：带特殊要求的函数

我想看看模型的极限在哪里，于是提出了一个更复杂的需求：

“写一个函数，接收一个整数列表，返回一个新的列表，其中包含原列表中所有能被3或5整除的数，但要去重并排序。”

这次我特意没有指定排序顺序，想看看模型会怎么处理。

生成的结果：

def filter_divisible_numbers(numbers): """ 过滤整数列表，返回能被3或5整除的数（去重并排序） 参数: numbers (list): 整数列表 返回: list: 去重后排序的能被3或5整除的数 """ # 使用集合去重 result_set = set() for num in numbers: if num % 3 == 0 or num % 5 == 0: result_set.add(num) # 转换为列表并排序（升序） return sorted(list(result_set))

我的观察：

正确理解了“能被3或5整除”的条件（num % 3 == 0 or num % 5 == 0）
知道用集合（set）来去重
默认使用升序排序（sorted()默认就是升序）
代码简洁高效

4.2 挑战二：错误处理增强

我继续加码：

“修改上面的函数，增加参数验证，如果输入不是整数列表就抛出TypeError，同时处理空列表的情况。”

模型很快给出了改进版本：

def filter_divisible_numbers(numbers): """ 过滤整数列表，返回能被3或5整除的数（去重并排序） 参数: numbers (list): 整数列表 返回: list: 去重后排序的能被3或5整除的数 异常: TypeError: 如果输入不是列表或包含非整数元素 """ # 参数验证 if not isinstance(numbers, list): raise TypeError("输入必须是列表") # 检查列表元素是否都是整数 for num in numbers: if not isinstance(num, int): raise TypeError("列表中的所有元素必须是整数") # 处理空列表 if not numbers: return [] # 使用集合去重 result_set = set() for num in numbers: if num % 3 == 0 or num % 5 == 0: result_set.add(num) # 转换为列表并排序（升序） return sorted(list(result_set))

改进点分析：

增加了完整的参数类型检查
处理了空列表的边界情况
错误信息明确
保持了原有的核心逻辑

4.3 挑战三：完整的测试套件

最后，我让模型为这个增强版的函数也写一套测试：

“为这个增强版的函数写完整的单元测试，包括正常情况和异常情况。”

生成的测试代码：

import unittest def filter_divisible_numbers(numbers): """ 过滤整数列表，返回能被3或5整除的数（去重并排序） 参数: numbers (list): 整数列表 返回: list: 去重后排序的能被3或5整除的数 异常: TypeError: 如果输入不是列表或包含非整数元素 """ # 参数验证 if not isinstance(numbers, list): raise TypeError("输入必须是列表") # 检查列表元素是否都是整数 for num in numbers: if not isinstance(num, int): raise TypeError("列表中的所有元素必须是整数") # 处理空列表 if not numbers: return [] # 使用集合去重 result_set = set() for num in numbers: if num % 3 == 0 or num % 5 == 0: result_set.add(num) # 转换为列表并排序（升序） return sorted(list(result_set)) class TestFilterDivisibleNumbers(unittest.TestCase): def test_normal_case(self): """测试正常情况""" numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 15, 20, 30] result = filter_divisible_numbers(numbers) expected = [3, 5, 6, 9, 10, 15, 20, 30] self.assertEqual(result, expected) def test_empty_list(self): """测试空列表""" result = filter_divisible_numbers([]) self.assertEqual(result, []) def test_no_divisible_numbers(self): """测试没有符合条件的数""" numbers = [1, 2, 4, 7, 8, 11] result = filter_divisible_numbers(numbers) self.assertEqual(result, []) def test_duplicate_numbers(self): """测试重复数字的去重""" numbers = [3, 3, 5, 5, 15, 15, 20, 20] result = filter_divisible_numbers(numbers) expected = [3, 5, 15, 20] self.assertEqual(result, expected) def test_negative_numbers(self): """测试负数""" numbers = [-15, -10, -9, -5, -3, 0, 3, 5] result = filter_divisible_numbers(numbers) expected = [-15, -10, -9, -5, -3, 0, 3, 5] self.assertEqual(result, expected) def test_not_list_input(self): """测试输入不是列表的情况""" with self.assertRaises(TypeError) as context: filter_divisible_numbers("not a list") self.assertEqual(str(context.exception), "输入必须是列表") def test_list_with_non_integer(self): """测试列表包含非整数元素""" with self.assertRaises(TypeError) as context: filter_divisible_numbers([1, 2, "three", 4]) self.assertEqual(str(context.exception), "列表中的所有元素必须是整数") def test_mixed_non_integer(self): """测试混合类型的情况""" with self.assertRaises(TypeError) as context: filter_divisible_numbers([1, 2.5, 3]) self.assertEqual(str(context.exception), "列表中的所有元素必须是整数") if __name__ == "__main__": unittest.main()

运行测试，再次全部通过。