Langkah-langkah Memanggil TinyLLaMA dari C++ (menggunakan llama.cpp)

Sat, 19 Jul 2025 09:40:53 +0900

✅ Langkah Persiapan TinyLLaMA × C++ (menggunakan `llama.cpp`)

🔧 Langkah 1: Siapkan llama.cpp

1-1. Lingkungan yang Dibutuhkan (Minimum)

OS: Windows / Linux / macOS
Lingkungan Pengembangan: g++ / clang / MSVC
Git / CMake

1-2. Dapatkan dan build llama.cpp

1
2
3
4
5
6


git clone https://github.com/ggerganov/llama.cpp
cd llama.cpp
mkdir build
cd build
cmake ..
cmake --build . --config Release

Jika menggunakan Windows, menggunakan Visual Studio Developer Command Prompt dengan cmake --build . --config Release akan lebih mudah.

📦 Langkah 2: Unduh dan konversi model TinyLLaMA

2-1. Dapatkan model asli dari HuggingFace

Contoh: TinyLLaMA-1.1B

1
2
3
4
5
6
7


# Unduh menggunakan transformers jika perlu
pip install transformers huggingface_hub

python3 -m transformers.models.llama.convert_llama_weights_to_hf \
 --input_dir ./TinyLlama-1.1B-Chat \
 --model_size 1B \
 --output_dir ./hf_model

Ini adalah langkah konversi ke format Hugging Face.

2-2. Konversi ke format GGUF (untuk `llama.cpp`)

1
2


cd llama.cpp
python3 convert.py ./hf_model --outfile tinyllama.gguf

2-3. Kuantisasi model (mengurangi ukuran)

1

./quantize ./tinyllama.gguf ./tinyllama-q4.gguf q4_0

q4_0 adalah kuantisasi 4bit. Ukuran model akan berkurang menjadi sekitar ** 350MB **.

🧪 Langkah 3: Panggil model dari C++ (Contoh Kode)

3-1. Kode C++ Sederhana (Inferensi)

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41


#include "llama.h"
#include <iostream>

int main() {
 llama_model_params model_params = llama_model_default_params();
 llama_context_params ctx_params = llama_context_default_params();

 llama_model *model = llama_load_model_from_file("tinyllama-q4.gguf", model_params);
 llama_context *ctx = llama_new_context_with_model(model, ctx_params);

 std::string prompt = "Pengguna mengatakan mereka ingin memuat data Excel, memfilternya, dan menyimpannya. Apa konfigurasi nodenya?";
 llama_batch batch = llama_batch_init(512, 0, 1);
 llama_token BOS = llama_token_bos(model);
 batch.token[0] = BOS;

 // Tokenisasi
 std::vector<llama_token> tokens(prompt.size() + 8);
 int n = llama_tokenize(model, prompt.c_str(), tokens.data(), tokens.size(), true);
 tokens.resize(n);

 for (size_t i = 0; i < tokens.size(); ++i) {
 batch.token[i + 1] = tokens[i];
 }

 batch.n_tokens = tokens.size() + 1;
 llama_decode(ctx, batch);

 // Dapatkan hasil inferensi
 for (int i = 0; i < 50; ++i) {
 llama_token next = llama_sample_token(ctx, nullptr);
 std::cout << llama_token_to_str(model, next);
 llama_batch next_batch = llama_batch_init(1, 0, 1);
 next_batch.token[0] = next;
 next_batch.n_tokens = 1;
 llama_decode(ctx, next_batch);
 }

 llama_free(ctx);
 llama_free_model(model);
 return 0;
}

🧱 Langkah 4: Metode Kompilasi (Contoh)

1

g++ -I./llama.cpp main.cpp ./llama.cpp/build/libllama.a -o tiny_infer -pthread -std=c++11

libllama.a dibuat di direktori build/ setelah proses build selesai.

✅ Contoh Struktur Hasil (Terorganisir)

1
2
3
4
5
6


my_app/
├── tinyllama-q4.gguf # Model terkuantisasi (~350MB)
├── main.cpp # Kode C++ di atas
├── llama.cpp/ # Inti llama.cpp
└── build/
 └── libllama.a # Pustaka terkompilasi

🧠 Catatan untuk penerapan pada use case

Miliki kode di C++ untuk mencocokkan dan memilih templat node berdasarkan output
Contoh: Jika mengandung “Excel”, “filter”, “simpan” -> Buat grup node yang sesuai
Bagian ini cukup dengan konfigurasi sederhana seperti pernyataan if + pemuatan templat JSON

📌 Ringkasan

Item	Konten
Model Rekomendasi	TinyLLaMA-1.1B-Chat v1.0 (GGUF + Kuantisasi)
Ukuran	~350-450MB (kuantisasi 4bit)
Integrasi C++	Memungkinkan menggunakan `llama.cpp`, hampir tanpa dependensi eksternal
Kekuatan Pemrosesan	Cukup untuk pemahaman niat sederhana & pembuatan teks (Teks alami -> Konfigurasi)
Ekstensibilitas	Dapat diubah menjadi AI pembuat node dengan menggabungkan pengisian slot dan pemanggilan templat

TinyLLaMA on kenji.blog

Langkah-langkah Memanggil TinyLLaMA dari C++ (menggunakan llama.cpp)

✅ Langkah Persiapan TinyLLaMA × C++ (menggunakan llama.cpp)

🔧 Langkah 1: Siapkan llama.cpp

1-1. Lingkungan yang Dibutuhkan (Minimum)

1-2. Dapatkan dan build llama.cpp

📦 Langkah 2: Unduh dan konversi model TinyLLaMA

2-1. Dapatkan model asli dari HuggingFace

2-2. Konversi ke format GGUF (untuk llama.cpp)

2-3. Kuantisasi model (mengurangi ukuran)

🧪 Langkah 3: Panggil model dari C++ (Contoh Kode)

3-1. Kode C++ Sederhana (Inferensi)

🧱 Langkah 4: Metode Kompilasi (Contoh)

✅ Contoh Struktur Hasil (Terorganisir)

🧠 Catatan untuk penerapan pada use case

📌 Ringkasan

✅ Langkah Persiapan TinyLLaMA × C++ (menggunakan `llama.cpp`)

2-2. Konversi ke format GGUF (untuk `llama.cpp`)