深入浅出LLamaSharp：打造智能.NET应用，不需GPU也能玩转LLaMA模型

        在如今的.NET社区中，机器学习和人工智能的应用越来越普遍。今天我要给大家推荐一个名叫LLamaSharp的开源项目。这是llama.cpp的C#/.NET绑定，提供了高级的API，使得我们能在本地设备上使用C#/.NET 推理LLaMA模型，并且部署它。

        LLamaSharp支持在Windows、Linux和Mac上运行，无需自己编译llama.cpp。即便在没有GPU或者GPU内存不足的情况下，也能够使用LLaMA模型，这是非常让人兴奋的一点!

        此外，LLamaSharp还提供了与其他项目如semantic-kernel、kernel-memory和BotSharp的集成，以提供更高层次的应用程序。

安装步骤

首先，在NuGet中安装LLamaSharp包：

PM> Install-Package LLamaSharp

然后，根据您的需要安装以下后端之一：

• LLamaSharp.Backend.Cpu：适用于Windows和Linux的纯CPU，以及适用于Mac的Metal。

• LLamaSharp.Backend.Cuda11：适用于Windows和Linux的CUDA11。

• LLamaSharp.Backend.Cuda12：适用于Windows和Linux的CUDA12。

如果这些后端都不适合您的需求，您可以自己编译llama.cpp。在这种情况下，请不要安装后端包！而是将您编译的DLL添加到您的项目中，并确保在编译项目时能够将其复制到输出目录。如果要这样做，您必须使用正确的llama.cpp提交版本，请参考下方的版本表格。

（可选）对于Microsoft semantic-kernel集成，请安装LLamaSharp.semantic-kernel包。

PM> Install-Package LLamaSharp.semantic-kernel

（可选）对于Microsoft kernel-memory集成，请安装LLamaSharp.kernel-memory包（这个包当前只支持net6.0）。

PM> Install-Package LLamaSharp.kernel-memory

选择版本的建议

        由于llama.cpp是一个变动频繁并且常有重大变更的项目，因此LLamaSharp也经常会有突破性的更改。LLamaSharp遵循语义化版本控制，并且不会在补丁版本中引入API的重大变更。

建议尽快更新到最新的补丁版本，同时也尽快更新到新的主版本。

快速开始-模型推理和聊天会话

        LLamaSharp提供了两种运行推理的方式：LLamaExecutor和ChatSession。ChatSession是对executor和模型的更高级别的封装。下面是一个使用chat session的简单示例。

using LLama.Common;using LLama;
string modelPath = "<Your model path>"; // 请更改为您自己的模型路径var prompt = "Transcript of a dialog, where the User interacts with an Assistant named Bob. Bob is helpful, kind, honest, good at writing, and never fails to answer the User's requests immediately and with precision.\r\n\r\nUser: Hello, Bob.\r\nBob: Hello. How may I help you today?\r\nUser: Please tell me the largest city in Europe.\r\nBob: Sure. The largest city in Europe is Moscow, the capital of Russia.\r\nUser:"; // 这里使用“chat-with-bob”提示。
// 加载模型var parameters = new ModelParams(modelPath){    ContextSize = 1024,    Seed = 1337,    GpuLayerCount = 5};using var model = LLamaWeights.LoadFromFile(parameters);
// 初始化一个聊天会话using var context = model.CreateContext(parameters);var ex = new InteractiveExecutor(context);ChatSession session = new ChatSession(ex);
// 展示提示内容Console.WriteLine();Console.Write(prompt);
// 循环运行推理，与LLM聊天while (prompt != "stop"){    await foreach (var text in session.ChatAsync(new ChatHistory.Message(AuthorRole.User, prompt), new InferenceParams { Temperature = 0.6f, AntiPrompts = [ "User:" ] }))    {        Console.Write(text);    }    prompt = Console.ReadLine() ?? "";}
// 保存会话session.SaveSession("SavedSessionPath");

模型量化

以下示例展示了如何量化模型：

string srcFilename = "<Your source path>";string dstFilename = "<Your destination path>";string ftype = "q4_0";if(Quantizer.Quantize(srcFileName, dstFilename, ftype)){    Console.WriteLine("Quantization succeed!");}else{    Console.WriteLine("Quantization failed!");}

想了解更多使用方法，请参考示例代码。

Web API

        LLamaSharp提供了ASP.NET core集成以及一个Web应用演示。因为人手不足，如果您熟悉ASP.NET core，将非常感激你能帮助升级Web API集成。

特性

以下是项目中的特性清单：

✅ LLaMA模型推理

✅ 生成嵌入、分词和去分词 

✅ 聊天会话 

✅ 模型量化

✅ 语法 

✅ 状态保存与加载 

✅ BotSharp集成在线演示 

✅ ASP.NET core集成 

✅ Semantic-kernel集成