ChatGLM-6B是清华大学知识工程和数据挖掘小组（Knowledge Engineering Group (KEG) & Data Mining at Tsinghua University）发布的一个开源的对话机器人。6B表示这是ChatGLM模型的60亿参数的小规模版本，约60亿参数。
ChatGML-6B-int4量化模型是针对ChatGML-6B做的优化版本，占用更少的资源，以便个人电脑进行部署测试和使用。
大模型的部署一般需要GPU资源，而个人电脑一般都是Windows操作系统，且没有独立的GPU。那么大模型如何部署在只有CPU的Windows机器上呢？需要额外安装一个叫TDM-GCC的软件。
下面详细阐述ChatGML-6B-int4量化模型在Windows PC上的操作过程：
环境准备
ChatGML-6B-int4量化模型部署需要提供python运行环境、安装好Git版本管理工具和TDM-GCC软件。
1. 安装Anaconda
Anaconda是可以便捷获取包且对包能够进行管理，同时对环境可以统一管理的发行版本。Anaconda包含了conda、Python在内的超过180个科学包及其依赖项。
下载安装
Anaconda官方下载地址：www.anaconda.com/download/ 下载之后，一路点击【next】，即可安装完成。
配置环境变量
在PC电脑的环境变量Path中增加Anaconda相关的环境变量。
makefile 复制代码 E:\Anaconda E:\Anaconda\Scripts E:\Anaconda\Library\mingw-w64\bin E:\Anaconda\Library\usr\bin E:\Anaconda\Library\bin注意，其中E:\Anaconda改为Anaconda自己的安装根目录。
修改pip镜像源
修改pip安装软件的镜像源，可以加速依赖下载速度。
csharp 复制代码 # 阿里源 pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/2. 安装Git
Git Windows版本下载地址：git-scm.com/download/wi… 下载之后可以一路点击【next】即完成安装，通过如下命令查看版本信息：
复制代码 git version3. 安装TDM-GCC
TDM-GCC主要对模型一些C代码提供编译环境，下载地址：jmeubank.github.io/tdm-gcc/ 下载之后可以一路点击【next】即完成安装。
模型部署
1. 下载模型源码并安装依赖
（1）在你的工作目录打开命令提示窗口，默认下载到当前目录
bash 复制代码 git clone https://github.com/THUDM/ChatGLM-6B（2）切换到chatGLM-6B目录
bash 复制代码 cd ChatGLM-6B（3）创建conda的虚拟环境,指定Python的版本
ini 复制代码 conda create -n VENV310 python=3.10（4）激活环境
复制代码 conda activate VENV310（5）下载依赖包
复制代码 pip install -r requirements.txt本节指定的版本非常重要，否则会在下载依赖包环节出现各种问题。 本节操作目的主要是为下面的量化模型提供运行脚本和运行环境。
2. 下载量化模型
ChatGML-6B-int4量化模型下载比较麻烦，需要到huggingface网站下载，需要用到科学上网。网上说国内魔搭社区下载的模型代码不完整。
在huggingface上下载又有两种方式：通过Git下载和浏览器下载。
（1）Git下载方式：
bash 复制代码 git lfs install git clone https://huggingface.co/THUDM/chatglm-6b-int4可以将该工程下载到chatGLM-6B目录下面。
（2）浏览器下载： 在浏览器打开huggingface.co/THUDM/chatg…，将目录下的文件全部下载到如下目录：
bash 复制代码 chatGLM-6B/chatglm-6b-int4 #如果没有该目录则新建3. 运行量化模型
模型运行脚本文件为：ChatGLM-6B\cli_demo.py，修改该文件的模型加载代码，改为加载chatglm-6b-int4量化模型。修改内容如下：
ini 复制代码 # tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True) # model = AutoModel.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True).half().cuda() tokenizer = AutoTokenizer.from_pretrained("chatglm-6b-int4", trust_remote_code=True) model = AutoModel.from_pretrained("chatglm-6b-int4",trust_remote_code=True).float()注意，量化模型目录chatglm-6b-int4一定要保证与当前文件在同一个父目录下。
运行出现的问题：
（1）在启动cli_demo的时候报错：No module named ‘readline’ 解决方案：下载pyreadline3，在当前激活的虚拟环境中执行如下命令：
复制代码 python -m pip install pyreadline（2）在启动cli_demo的时候报错：AttributeError: module ‘collections’ has no attribute ‘Callable’ 解决方案：这是pyreadline依赖包的文件py3k_compat.py有问题，需要修改依赖包的代码，把return isinstance(x, collections.Callable)改为 return isinstance(x, collections.abc.Callable)即可正常使用。
处理完上述问题之后，ChatGLM-6B\cli_demo.py该脚本可以正常运行，控制台会输出脚本内置问题的答案，由于电脑配置的问题，结果输出非常缓慢，且我的CPU使用率一直是100%，爆了！
想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2026 年AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！
👇👇扫码免费领取全部内容👇👇
一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势
想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：
1. 100+本大模型方向电子书
2. 26 份行业研究报告：覆盖多领域实践与趋势
报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：
- 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
- 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
- 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
- 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。
3. 600+套技术大会 PPT：听行业大咖讲实战
PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：
- 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
- 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
- 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
- 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。
二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走
想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！
1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位
面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：
2. 102 道 AI 大模型真题：直击大模型核心考点
针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：
3. 97 道 LLMs 真题：聚焦大型语言模型高频问题
专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：
![]()
三、路线必明： AI 大模型学习路线图，1 张图理清核心内容
刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！
路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。
L1阶段:启航篇丨极速破界AI新时代
L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。
L2阶段：攻坚篇丨RAG开发实战工坊
L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。
L3阶段：跃迁篇丨Agent智能体架构设计
L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。
L4阶段：精进篇丨模型微调与私有化部署
L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。
L5阶段：专题集丨特训篇 【录播课】
![]()
四、资料领取：全套内容免费抱走，学 AI 不用再找第二份
不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：
👇👇扫码免费领取全部内容👇👇
2026 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！
)
