通义千问3-4B实战：用自然语言生成Python脚本，5分钟搞定文件批量处理

本文介绍了如何在星图GPU平台上自动化部署通义千问3-4B-Instruct-2507镜像，实现自然语言生成Python脚本的功能。该镜像特别适用于文件批量处理场景，例如批量重命名照片、合并CSV文件或清理过期日志，显著提升开发效率。通过简单的配置，用户可快速搭建AI编程助手环境，将日常重复性任务转化为自动化流程。

TEDDYYW

137人浏览 · 2026-03-30 05:57:16

TEDDYYW · 2026-03-30 05:57:16 发布

通义千问3-4B实战：用自然语言生成Python脚本，5分钟搞定文件批量处理

1. 引言：告别重复代码的烦恼

1.1 日常开发中的痛点

作为一名Python开发者，你是否经常遇到这样的场景：

需要批量重命名几百个文件
要从不同格式的文档中提取特定数据
要定期清理某个目录下的临时文件

这些任务看似简单，但每次都要手动编写类似的脚本，既浪费时间又容易出错。传统解决方案要么依赖现成工具（功能受限），要么需要反复查阅文档编写脚本（效率低下）。

1.2 新一代解决方案

通义千问3-4B-Instruct-2507（简称Qwen3-4B）的出现改变了这一局面。这个仅4GB大小的轻量级模型可以在普通笔记本甚至树莓派上运行，却能理解你的自然语言描述，直接生成可运行的Python代码。就像有个编程助手随时待命，你说需求，它写代码。

2. 快速部署与准备

2.1 一分钟安装指南

使用Ollama框架，部署过程简单到只需三行命令：

# 安装Ollama（支持Windows/macOS/Linux）
curl -fsSL https://ollama.com/install.sh | sh

# 下载模型（约4GB）
ollama pull qwen3-4b-instruct-2507

# 测试运行
ollama run qwen3-4b-instruct-2507 "写个Python的hello world"

2.2 Python环境配置

确保已安装基础库：

pip install requests  # 用于调用模型API

3. 实战案例：文件批量处理

3.1 案例一：批量重命名照片

需求描述：把目录下所有.jpg文件按"旅行_001.jpg"格式重命名

生成代码：

import os
from pathlib import Path

def batch_rename_photos(directory: str, prefix: str = "旅行"):
    """
    批量重命名目录中的jpg照片
    """
    folder = Path(directory)
    count = 1
    
    for img in folder.glob("*.jpg"):
        new_name = f"{prefix}_{count:03d}.jpg"
        img.rename(folder / new_name)
        print(f"重命名: {img.name} -> {new_name}")
        count += 1

# 使用示例
batch_rename_photos("./photos")

执行效果：

photos/IMG_123.jpg → photos/旅行_001.jpg
photos/DSC_456.jpg → photos/旅行_002.jpg

3.2 案例二：合并多个CSV文件

需求描述：合并data目录下所有CSV文件，保留首行标题

生成代码：

import pandas as pd
from pathlib import Path

def merge_csv_files(input_dir: str, output_file: str):
    """
    合并目录下所有CSV文件
    """
    all_data = []
    first_file = True
    
    for csv_file in Path(input_dir).glob("*.csv"):
        df = pd.read_csv(csv_file)
        if not first_file:
            df = df.iloc[1:]  # 跳过后续文件的标题行
        all_data.append(df)
        first_file = False
    
    merged_df = pd.concat(all_data, ignore_index=True)
    merged_df.to_csv(output_file, index=False)
    print(f"合并完成，共{len(merged_df)}行数据保存到{output_file}")

# 使用示例
merge_csv_files("./data", "combined_data.csv")

3.3 案例三：清理过期文件

需求描述：删除logs目录中超过30天的.log文件

生成代码：

import os
import time
from pathlib import Path

def clean_old_files(directory: str, days: int = 30, ext: str = ".log"):
    """
    删除指定天数前的特定后缀文件
    """
    cutoff = time.time() - days * 86400
    deleted = 0
    
    for log_file in Path(directory).glob(f"*{ext}"):
        if log_file.stat().st_mtime < cutoff:
            log_file.unlink()
            print(f"已删除: {log_file.name}")
            deleted += 1
    
    print(f"清理完成，共删除{deleted}个文件")

# 使用示例
clean_old_files("./logs", days=30)

4. 高级技巧与优化

4.1 提升生成质量的秘诀

明确输入格式：
- 错误示范："处理CSV文件"
- 正确示范："用pandas读取data目录下的所有CSV文件，合并时跳过第二行，输出到combined.csv"
指定代码风格：
- 添加提示："使用类型注解和docstring，变量名遵循snake_case"
限制工具范围：
- 明确要求："仅使用标准库，不要第三方依赖"