.net 调用 llama.cpp
|
583
|
0
|
AI,c#

875 字
|
11 分钟

llama.cpp 中的执行器

StatelessExecutor 无状态 每次请求都是独立的，不保留任何记忆。下一次请求会清空缓存，重新从第一个 Token 开始解码。 单次文本分类、数据提取、情感分析、批量独立任务（如你之前的 JSON 提取）。
优点：绝对不会发生上下文污染。
缺点：长文本重复请求时，重复解码系统提示词导致性能较低。

InteractiveExecutor 有状态 连续对话模式（Chat）。会自动把模型的回复和用户的新输入追加到缓存中，像聊天软件一样越聊记忆越长。 智能助手、角色扮演、需要多轮连续对话的场景。
优点：速度快，完美保留对话上下文。
缺点：上下文达到上限（ContextSize）时需要做截断或滑窗处理。

InstructExecutor 有状态 指令/问答模式（Q&A）。每次输入都是一个独立的 Instruction（指令），它会在保留 System Prompt 的基础上，每次重置 User 的输入。 问答机器人、单次指令执行（但需要高频调用且固定系统提示词）。
优点：比无状态快（因为复用了系统提示词缓存）。
缺点：不适合多轮连续聊天。

StatefulExecutorBase 抽象基类 它是所有有状态执行器的“父亲”，定义了如何保存、恢复、滚动管理本地上下文缓存的底层逻辑。 无法直接实例化。如果你要自定义特殊的上下文管理策略，需要继承它。

返回 json 结构

这是一个从一段文本中提取数据返回 json 结构化数据的例子
使用了 qwen3.5 0.8 的模型，没有进行微调

  1. 使用 GBNF 语法约束了 llm 的输出格式
  2. 指定了 template=0 及其它一些参数，控制生成结果
  3. 使用 <|im_start|> 和 <|im_end|> 格式的提示词， qwen 预训练及微调使用这种格式
  4. GpuLayerCount 指定导入的 gpu 层数，0 表示全部使用 cpu 推理，如果 Mac 配置为 99 则全部使用 gpu 推理
  5. 使用 StatelessExecutor ，无状态的执行器， 多轮对话使用 InteractiveExecutor
  6. 要迸发处理时， context 与 executor 需要在线程中创建，不能共用

        var logger = this.CreateLogger();

        Assert.True(File.Exists(ModelPath), $"模型文件不存在: {ModelPath}");
        logger.LogInformation("模型文件已找到: {ModelPath}", ModelPath);

        var parameters = new ModelParams(ModelPath)
        {
            ContextSize = 2048,
            GpuLayerCount = 0, // CPU 推理， 将多少层加载到 gpu 中， 如果为0 ，则全部使用 cpu 推理，如果 Mac 设置的大一些（比如 99）
        };

        // 加载模型
        using var weights = LLamaWeights.LoadFromFile(parameters);
        using var context = new LLamaContext(weights, parameters);

        // 提示词
        var instructions = $"You are a structured data extractor. DO NOT use thinking mode. DO NOT output <thought> tags. Respond directly with JSON.\n" +
                           new ShopResultAiAnalyzerOptions().Instructions;

        // 输出约束语法（返回的 json 结构）
        const string strictShopGbnf = """
                                      root ::= "{" ws name-kv "," ws rating-kv "," ws review-kv "," ws address-kv "," ws phone-kv "," ws category-kv "," ws lat-kv "," ws lon-kv "," ws id-kv "}" ws

                                      # 🎯 各个字段的严格键值对定义（已全量修正为大写首字母）
                                      name-kv     ::= "\"Name\"" ws ":" ws string
                                      rating-kv   ::= "\"Rating\"" ws ":" ws (number | "null")
                                      review-kv   ::= "\"ReviewCount\"" ws ":" ws (number | "null")
                                      address-kv  ::= "\"Address\"" ws ":" ws (string | "null")
                                      phone-kv    ::= "\"Phone\"" ws ":" ws (string | "null")
                                      category-kv ::= "\"Category\"" ws ":" ws (string | "null")
                                      lat-kv      ::= "\"Latitude\"" ws ":" ws (number | "null")
                                      lon-kv      ::= "\"Longitude\"" ws ":" ws (number | "null")
                                      id-kv       ::= "\"PlaceId\"" ws ":" ws (string | "null")

                                      # 🎯 核心：无敌 Unicode 多语言兼容字符串规则
                                      # 完美放行标准的 ASCII 以及多字节字符（彻底解决阿拉伯语、中文、日语等中途截断的 Bug）
                                      string      ::= "\"" (async-char)* "\""
                                      async-char  ::= [^"\\\x00-\x1F] | "\\" (["\\/bfnrt] | "u" [0-9a-fA-F] [0-9a-fA-F] [0-9a-fA-F] [0-9a-fA-F]) | [#x80-#x10FFFF]

                                      # 基础标记定义
                                      number      ::= "-"? [0-9]+ ("." [0-9]+)?
                                      ws          ::= [ \t\n\r]*
                                      """;

        var inferenceParams = new InferenceParams
        {
            MaxTokens = 256,
            AntiPrompts = new List<string> { "<|im_end|>", "<|im_start|>", "User:", "User：\n", "\nUser", },

            SamplingPipeline = new DefaultSamplingPipeline
            {
                // 1. 绝对零度，消除随机性
                Temperature = 0f,

                // 2. 关闭重复惩罚！让 GBNF 来保证结构，避免模型因惩罚过高而生成乱码
                PresencePenalty = 0.0f,
                FrequencyPenalty = 0.0f,

                // 3. 限制候选词，配合 Temp=0 效果极佳
                TopK = 20,
                TopP = 0.1f,

                // 4.  GBNF 语法, 约束 llm 的输出格式 
                Grammar = new Grammar(strictShopGbnf, "root"),
            },
        };

        // 无状态上下文请求
        var executor = new StatelessExecutor(weights, parameters);

        foreach (var item in items)
        {
            // 预处理文本中的一些特殊字符
            var shopText = SanitizeShopText(item.OrginalText);

            // 拼接提示词与输入文本, qwen 使用如下格式预训练 |im_start|> 和 <|im_end|> , 最后 <|im_start|>assistant 表示该 llm 回复了
            var message = $@"""
<|im_start|>system
{instructions}
<|im_end|>
<|im_start|>user
请解析下面的内容
{shopText}
<|im_end|>
<|im_start|>assistant
""";

            // 与 llm 对话，拼接返回结果
            var texts = executor.InferAsync(message, inferenceParams);
            var json = string.Join(string.Empty, await texts.ToListAsync());

        }

IChatClient

官方提供了扩展函数 AsChatClient 返回 IChatClient , 使用上面的例子分析字符，返回结果经常直接返回输入，无法正常工作，以后再研究

简单调用

使用 session 包装了执行器

using LLama;
using LLama.Common;
using LLama.Sampling;

// 引用 LLamaSharp， LLamaSharp.Backend.Cpu
// 这个例子中，内存使用的 4 个G

// Llava 调用的例子，新版本中被移除
// scisharp.github.io/LLamaSharp/0.25.0/QuickStart/
// https://github.com/SciSharp/LLamaSharp/issues/1194

var modelPath = @"/Users/iox/Downloads/MiniCPM-V-4_5-Q4_0.gguf"; // 引用的 model 路径
// var multiModalProj = @"/Users/iox/Downloads/mmproj-model-f16.gguf";
// var modelImage = @"/Users/iox/Downloads/截屏2025-11-11 02.24.48.png";

var parameters = new ModelParams(modelPath)
{
    ContextSize = 1024, // The longest length of chat as memory.
    GpuLayerCount = 0, // How many layers to offload to GPU. Please adjust it according to your GPU memory.
};

using var model = LLamaWeights.LoadFromFile(parameters);
using var context = model.CreateContext(parameters);

// Llava Init
// https://github.com/SciSharp/LLamaSharp/issues/1255, Llava 已经被移至 mtmd， 新的版本中还没有提供。等新版本出来再研究
// using var clipModel = LLavaWeights.LoadFromFile(multiModalProj);
// var executor = new InteractiveExecutor(context, clipModel);s
var executor = new InteractiveExecutor(context);

var system = @"你是一位名叫小瓜的通用生活 AI 助手，你的主要目标是成为用户日常生活中最值得信赖、最有趣、最全能的帮手。";

// Add chat histories as prompt to tell AI how to act.
var chatHistory = new ChatHistory();
chatHistory.AddMessage(AuthorRole.System, system);
// chatHistory.AddMessage(AuthorRole.User, "Hello, Bob.");
// chatHistory.AddMessage(AuthorRole.Assistant, "Hello. How may I help you today?");

ChatSession session = new(executor, chatHistory);

var inferenceParams = new InferenceParams
{
    MaxTokens = 256, // 最大回复数，如果指定了合适的停止词（AntiPrompts）也可以不设置该值
    AntiPrompts = new List<string> { "User:", }, // 停止词，防止模型生成无意义的内容。比如 AI 自动完成 user 的输出
    SamplingPipeline = new DefaultSamplingPipeline(),
};

Console.ForegroundColor = ConsoleColor.Yellow;
Console.Write("The chat session has started.\nUser: ");
Console.ForegroundColor = ConsoleColor.Green;
var userInput = Console.ReadLine() ?? "";

while (userInput != "exit")
{
    // Generate the response streamingly.
    await foreach (var text in session.ChatAsync(new ChatHistory.Message(AuthorRole.User, userInput), inferenceParams))
    {
        Console.ForegroundColor = ConsoleColor.White;
        Console.Write(text);
    }

    Console.ForegroundColor = ConsoleColor.Green;
    userInput = Console.ReadLine() ?? "";
}
上一篇
下一篇