張圃

外观

llama.cpp

·
  • Pi
本页为 Pi 官方文档的非官方中文翻译，请以官方英文文档为准。 原文 · 许可证

Pi 支持 llama.cpp 路由器服务器。该路由器会发现多个 GGUF 模型，并按需加载或卸载它们。

请使用支持路由器的最新 llama.cpp 构建版本。遵循构建说明，或为你的平台安装预构建发行版。

启动路由器 ​

启动 llama-server 时不带 --model 或 -m。传入模型会启动单模型模式，而非路由器模式。

bash
llama-server \
  --models-dir ~/models \
  --no-models-autoload \
  --jinja \
  --host 127.0.0.1 \
  --port 8080 \
  -ngl 999 \
  -c 32768

重要选项：

  • --models-dir ~/models 发现本地 GGUF 文件。
  • --no-models-autoload 通过 /llama 保持显式加载。
  • --jinja 启用兼容的聊天模板和工具调用。
  • -ngl 999 将尽可能多的层卸载到 GPU。
  • -c 32768 设置每个已加载模型的上下文窗口。省略它则使用模型的原生上下文，这可能需要多得多的内存。

单文件模型可以直接放在模型目录中。将多模态和多分片模型放在单独的子目录中：

text
~/models/
├── llama-3.2-1b-Q4_K_M.gguf
├── gemma-3-4b-it-Q4_K_M/
│   ├── gemma-3-4b-it-Q4_K_M.gguf
│   └── mmproj-F16.gguf
└── large-model-Q4_K_M/
    ├── large-model-Q4_K_M-00001-of-00003.gguf
    ├── large-model-Q4_K_M-00002-of-00003.gguf
    └── large-model-Q4_K_M-00003-of-00003.gguf

手动添加文件后请重启路由器。有关每个模型的上下文大小和其他选项，请使用 llama.cpp 模型预设。

配置 Pi ​

启动 Pi 并配置提供商：

text
/login llama.cpp

输入路由器 URL 和可选的 API 密钥。默认 URL 是 http://127.0.0.1:8080。

如果你使用 --no-models-autoload 启动路由器，/login llama.cpp 只保存连接信息。运行 /llama 加载模型，然后运行 /model 为当前会话选择已加载的模型。

环境变量可以在不使用 /login 的情况下配置相同的值：

bash
export LLAMA_BASE_URL=http://127.0.0.1:8080
export LLAMA_API_KEY=optional-secret
pi

如果服务器使用了 API 密钥，请使用匹配的 --api-key 值启动 llama-server。保持 --host 127.0.0.1 以实现仅本地访问。

管理模型 ​

运行：

text
/llama
  • 选择一个未加载的模型以加载它。
  • 选择一个已加载的模型以卸载它。
  • 选择 Download model…，搜索 Hugging Face，然后选择仓库和量化。精确的 owner/repository[:quant] 值同样有效。
  • 在加载或下载过程中按 Escape 以确认取消。

Hugging Face 搜索在设置了 HF_TOKEN 时使用它，然后依次检查 $HF_TOKEN_PATH、$HF_HOME/token、$XDG_CACHE_HOME/huggingface/token 和 ~/.cache/huggingface/token。不进行身份验证也可以搜索，但会受较低速率限制的约束。Pi 在下载受门控的仓库前会发出警告，并链接到其访问页面。下载由 llama.cpp 服务器执行，因此当所选仓库需要访问权限时，它的进程也必须拥有 HF_TOKEN。

如果其他模型已加载，Pi 会询问是先卸载它们还是保持加载。Pi 不会静默卸载模型，也绝不会删除模型文件。路由器可能与其他客户端共享，因此 /llama 始终显示路由器的当前状态。

只有已加载的模型会出现在 /model 中。加载模型后，运行 /model 为当前 Pi 会话选择它。

如果路由器断开连接，/llama 会显示 Retry 和 Close。Retry 会重新连接并刷新模型状态，而不会重放被中断的操作。

故障排查 ​

检查路由器是否可达：

bash
curl http://127.0.0.1:8080/health
curl http://127.0.0.1:8080/models
  • /llama 中没有模型： 检查 --models-dir、目录布局，并重启路由器。
  • /model 中缺少模型： 先用 /llama 加载它。
  • 加载失败或占用内存过多： 降低 -c 或卸载另一个模型。
  • 服务器不在路由器模式： 启动时不要带 --model、-m 或 -hf。