从 C++ 调用 TinyLLaMA 的步骤（使用 llama.cpp）

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

✅ TinyLLaMA × C++ 设置步骤（使用 `llama.cpp`）

🔧 Step 1: 准备 llama.cpp

1-1. 运行环境（最低要求）

OS: Windows / Linux / macOS
开发环境: g++ / clang / MSVC
Git / CMake

1-2. 获取并构建 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

如果是 Windows 系统，在 Visual Studio Developer Command Prompt 中使用 cmake --build . --config Release 会更方便。

📦 Step 2: 下载并转换 TinyLLaMA 模型

2-1. 从 HuggingFace 获取原模型

示例: TinyLLaMA-1.1B

1
2
3
4
5
6
7


# 根据需要使用 transformers 进行下载
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

这是转换为 Hugging Face 格式的步骤。

2-2. 转换为 GGUF 格式（供 `llama.cpp` 使用）

1
2


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

2-3. 模型量化（减小体积）

1

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

q4_0 是 4bit 量化。模型大小将缩小至约 350MB左右。

🧪 Step 3: 从 C++ 调用模型（代码示例）

3-1. 简单的 C++ 代码（推理）

 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 = "用户说想读取Excel数据、进行过滤并保存。节点结构是怎样的？";
 llama_batch batch = llama_batch_init(512, 0, 1);
 llama_token BOS = llama_token_bos(model);
 batch.token[0] = BOS;

 // 词法分析 (Tokenize)
 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);

 // 获取推理结果
 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;
}

🧱 Step 4: 编译方法（示例）

1

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

libllama.a 将在构建后生成于 build/ 目录中。

✅ 产物结构示例（整理）

1
2
3
4
5
6


my_app/
├── tinyllama-q4.gguf # 已量化模型 (~350MB)
├── main.cpp # 上述 C++ 代码
├── llama.cpp/ # llama.cpp 本体
└── build/
 └── libllama.a # 已编译库

🧠 适用于用例的补充说明

在 C++ 中编写接收输出并 匹配和选择节点模板 的代码
示例：包含“Excel”、“过滤”、“保存” → 生成对应的节点组
这部分使用诸如 if 语句 + JSON 模板读取 的简单结构即可

📌 总结

项目	内容
推荐模型	TinyLLaMA-1.1B-Chat v1.0（GGUF + 量化）
大小	～350〜450MB（4bit量化）
C++集成	可以使用 `llama.cpp`，几乎没有外部依赖
处理能力	足以满足简单的意图理解和输出文本生成（自然语言→结构）
可扩展性	结合槽位填充和模板调用，可构建节点生成AI

Llama.cpp on kenji.blog

从 C++ 调用 TinyLLaMA 的步骤（使用 llama.cpp）

✅ TinyLLaMA × C++ 设置步骤（使用 llama.cpp）

🔧 Step 1: 准备 llama.cpp

1-1. 运行环境（最低要求）

1-2. 获取并构建 llama.cpp

📦 Step 2: 下载并转换 TinyLLaMA 模型

2-1. 从 HuggingFace 获取原模型

2-2. 转换为 GGUF 格式（供 llama.cpp 使用）

2-3. 模型量化（减小体积）

🧪 Step 3: 从 C++ 调用模型（代码示例）

3-1. 简单的 C++ 代码（推理）

🧱 Step 4: 编译方法（示例）

✅ 产物结构示例（整理）

🧠 适用于用例的补充说明

📌 总结

✅ TinyLLaMA × C++ 设置步骤（使用 `llama.cpp`）

2-2. 转换为 GGUF 格式（供 `llama.cpp` 使用）