File size: 7,834 Bytes
a846b3d
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
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
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
# 部署指南(RK1828)

> 这份文档只讲"怎么把它跑起来"。为什么这么做、踩过哪些坑,见仓库根 `README.md`
> 与上游项目里的 `PITFALLS.md`。

---

## 0. 前置条件

| 项 | 要求 |
| --- | --- |
| Host | Windows PC(实测)/ RK3588 / RK3576 板。**x86 Linux 不行**——能转换、能跑模拟器,但不能直连模组 |
| 模组 | RK1828(RK1820 同 SDK) |
| 运行时 | RKNN3 **v1.1.0**,即 `runtime/rknn3_110`(`rkllm3-server.exe`、`librknn3_api.dll` 等) |
| 驱动/固件 | 与运行时同版本。版本不一致会 load 失败或静默退出 |
| 编译 daemon 额外需要 | Cygwin g++、RKNN3 SDK 的 `examples/rknn3_session_test_demo/{src,utils}`、`examples/3rdparty/tokenizer` |
| Python | 3.8+,`numpy` |

> 组件版本必须一致(toolkit / proxy / runtime / 固件)。混版本是最常见的"跑一半没反应"。

---

## 1. 布局

把仓库放到设备侧任意目录,建议:

```
<REPO>\
├── rknn\                 # 本仓库的 rknn/ 目录
│   ├── Kev-0.8B.rknn
│   ├── Kev-0.8B.weight
│   ├── Kev-0.8B.embed.bin
│   ├── Kev-0.8B.tokenizer.gguf
│   └── start.cmd
├── host\
│   ├── kev_serve.py
│   ├── kev_daemon.cpp
│   ├── e2e_check.py
│   └── serve_assets\
└── runtime\rknn3_110\    # 从 SDK 拷来的运行时
```

`start.cmd` 会自动在**两个位置**找运行时:`<REPO>\runtime\rknn3_110`(本仓库下载后的布局)
和 `<包根>\runtime\rknn3_110`(放进 rk1828-console 的 `models\<模型>\` 时)。
两处都没有就报错并提示,不设 `RK_RUNTIME` 则不会静默用错版本:

```bat
set RK_RUNTIME=D:\somewhere\rknn3_110
start.cmd
```

---

## 2. 第一步:确认模型能加载

```bat
cd <REPO>\rknn
start.cmd
```

看到 `server listening on 0.0.0.0:8888` 就说明权重进了 NPU。

**这一步只能证明"加载成功",不能证明"转换正确"。** Kev 不是对话模型,
用 `/v1/chat/completions` 问它问题一定得到胡言乱语——那是模型本身的行为,不是转换坏了。
真正的验收在 §4。

顺便看一眼占用:

```bat
rknn-smi
```

`used` 应该在 **800 MB** 量级(含 34 MB 基线)。明显偏小说明权重没真正进 NPU。

> 加载期间**不要**去轮询 `rknn-smi`。查询会卡在 `Weight sync`,把 30 秒的加载拖成几分钟甚至失败。

---

## 3. 第二步:编译 daemon

`rkllm3-server` 只能返回文本,拿不到 logits,所以真实使用需要自己的 host 程序。

准备 SDK 里的两样东西(都来自 RKNN3 SDK,不在本仓库内):

- `examples/rknn3_session_test_demo/` —— 里面 `src/`、`utils/`、`CMakeLists.txt`
- `examples/3rdparty/tokenizer/` —— 头文件 + `lib/Windows/x86_64/libtokenizer.a`

把 `host/kev_daemon.cpp` 放进 demo 的 `src/`(或任意位置,`-I` 指到就行),然后:

```bat
set PATH=C:\cygwin64\bin;<REPO>\runtime\rknn3_110\lib;<REPO>\runtime\rknn3_110\bin;%PATH%
cd /d <SDK>\examples\rknn3_session_test_demo

"C:\cygwin64\bin\g++.exe" -std=c++11 -I. -Iutils -I<REPO>\host -I<TOK>\include ^
    src\kev_daemon.cpp utils\rknn3_session_test_common.cpp -o daemon.exe ^
    <REPO>\runtime\rknn3_110\lib\librknn3_api.dll ^
    <TOK>\lib\Windows\x86_64\libtokenizer.a -lpthread
```

三个必注意的点:

1. **`C:\cygwin64\bin` 必须在 PATH 最前面**,否则 `cc1plus` 找不到 `cygwin1.dll`,报一个和编译毫无关系的错。
2. **链接时直接给 `.dll` / `.a` 的完整路径**,Cygwin 的 ld 接受这种写法,不需要 `-L`/`-l`。
3. 编译产物 `daemon.exe` **必须能加载到 `librknn3_api.dll`**。计划任务不继承 PATH,
   这种情况下会以 `rc=3221225781`(`0xC0000135`)**一个字的输出都没有**地退出。见 §6。

---

## 4. 第三步:起服务并验收

`kev_serve.py` 会自己拉起 daemon,不用手动启动:

```bat
set KEV_MODEL_DIR=<REPO>\rknn
set KEV_DAEMON=<SDK>\examples\rknn3_session_test_demo\daemon.exe
python <REPO>\host\kev_serve.py
```

不设这两个环境变量时,它按"`<包根>\models\Kev-0.8B`"和"脚本同目录 `rknn3_session_test_demo\daemon.exe`"找,
放进现成的 rk1828-console 包里就不用设。

默认端口 **17890**,可用 `KEV_PORT` 覆盖。等它打印 ready(模型加载约 30 s)后:

```bash
curl -X POST http://127.0.0.1:17890/v1/systemone ^
  -H "Content-Type: application/json" ^
  -d "{\"state\":{\"ticket\":\"Checkout returns 500 for EU customers\"},\"questions\":{\"team\":{\"type\":\"choice\",\"instructions\":\"Which team?\",\"criteria\":{\"billing\":\"payments\",\"platform\":\"infra\"}}}}"
```

返回:

```json
{"answers":{"team":{"type":"choice","answer":"billing","confidence":0.7638,"probabilities":{...}}}}
```

### 单项验收(不依赖数据集)

```bash
curl http://127.0.0.1:17890/healthz
```

### 整体验收(需要 decision-v2 数据集)

```bash
set KEV_URL=http://127.0.0.1:17890
python <REPO>\host\e2e_check.py
```

期望 **23/26 = 0.885**(三题型混合抽样)。数字明显偏低时先看是不是抽样把题型抽偏了,
再用 KEV_DEV 指到正确路径。

---

## 5. 接口

`POST /v1/systemone`

```json
{
  "state": <任意 JSON:字符串 / 对象 / 数组,会按 YAML 风格渲染进 prompt>,
  "questions": {
    "<name>": {
      "type": "choice" | "noul" | "score",
      "instructions": "...",
      "criteria": {"<选项>": "<描述>"}      // choice:对象
                | ["<档位描述>", ...]        // score:数组
    }
  }
}
```

| type | 返回 |
| --- | --- |
| `choice` | `answer` + `confidence` + `probabilities` |
| `noul` | `p_true`(上游 API 只回概率,不转布尔) |
| `score` | `score`(概率加权期望档位)+ `legend` + 各档概率 + `score_confidence` |

错误码:`400` 参数不合法、`405` 方法不对、`413` body 超过 1 MiB、`500` 内部错误(堆栈只写日志,不回给客户端)。

---

## 6. 一定会踩的坑

| 现象 | 原因 | 处理 |
| --- | --- | --- |
| daemon 起来就退,**没有任何输出**,`rc=3221225781` | `librknn3_api.dll` 找不到(计划任务不继承 PATH) | 在 `Popen` 前把 `<runtime>\lib` 和 `\bin` 塞进 `os.environ["PATH"]` |
| `READY_DAEMON` 永远等不到,但进程活着 | C 运行时把管道 stdout 全缓冲了 | `setvbuf(stdout, NULL, _IOLBF, 0)`(`kev_daemon.cpp` 里已加) |
| `model_init ret=-2`,日志 `core mask 0x00000000 is not contiguous` | `cfg.run_core_mask` 默认 0 | 传 `0xff`(8 核) |
| 反复拆建 proxy,模组从总线掉线 | proxy 全机唯一 | 复用同一个 proxy 进程,只启停模型 |
| 改了代码但行为没变 | 残留进程占着端口 / 旧 exe | 先 `taskkill /F /IM daemon.exe`,用随机端口自测 |
| 断电后设备认不到 | 进了 MaskROM(`2207:180B`) | 跑一次 `uf` 工具,约 2 秒恢复 |
| `.cmd` 里的中文把命令截断 | cmd 按 OEM 代码页(936)读文件 | `.cmd` / `.bat` / `.ps1` 一律**纯 ASCII + CRLF** |

完整清单见上游项目的 `PITFALLS.md`(更细,含每一步的日志与判据)。

---

## 7. 已知限制

- **一次请求 = K+1 次 prefill**(`<decide>` 一次 + 每个 `</opt>` 一次)。图的输出固定 `[1,1,248320]`,
  只保留最后一个位置;公开 API 没有 `num_logits_to_keep`,`clear_kvcache` 也没有 truncate。
  这是硬下限,不是实现选择。
- 每次调用有约 **50 ms 固定开销**,与序列长度无关。延迟看**调用次数**,不是 token 数。
- 服务对整次决策加**全局锁**:并发是安全的,但会排队。`K+1` 次 prefill 共用一份 KV cache,
  不加锁会串。
- 量化格式被工具链锁死为 `w4a16 + normal + group32`,做不了更高精度的对照版本。