Text Classification
GGUF
English
rknn
rknn3
rk1828
rk1820
rockchip
npu
edge-ai
kev
decision
w4a16
Eval Results (legacy)
conversational
Instructions to use jj90/Kev-0.8B-RKNN3-RK1828 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Notebooks
- Google Colab
- Kaggle
- Local Apps Settings
- llama.cpp
How to use jj90/Kev-0.8B-RKNN3-RK1828 with llama.cpp:
Install (macOS, Linux)
curl -LsSf https://llama.app/install.sh | sh # Start a local OpenAI-compatible server with a web UI: llama serve -hf jj90/Kev-0.8B-RKNN3-RK1828 # Run inference directly in the terminal: llama cli -hf jj90/Kev-0.8B-RKNN3-RK1828
Install from WinGet (Windows)
winget install llama.cpp # Start a local OpenAI-compatible server with a web UI: llama serve -hf jj90/Kev-0.8B-RKNN3-RK1828 # Run inference directly in the terminal: llama cli -hf jj90/Kev-0.8B-RKNN3-RK1828
Build from source code
git clone https://github.com/ggml-org/llama.cpp.git cd llama.cpp cmake -B build cmake --build build -j --target llama-app # Start a local OpenAI-compatible server with a web UI: ./build/bin/llama serve -hf jj90/Kev-0.8B-RKNN3-RK1828 # Run inference directly in the terminal: ./build/bin/llama cli -hf jj90/Kev-0.8B-RKNN3-RK1828
Use Docker
docker model run hf.co/jj90/Kev-0.8B-RKNN3-RK1828
- Llama new
- LM Studio
- Jan
- Ollama
How to use jj90/Kev-0.8B-RKNN3-RK1828 with Ollama:
ollama run hf.co/jj90/Kev-0.8B-RKNN3-RK1828
- Unsloth Desktop
- Pi
How to use jj90/Kev-0.8B-RKNN3-RK1828 with Pi:
Start the llama.cpp server
# Install llama.cpp: brew install llama.cpp # Start a local OpenAI-compatible server: llama serve -hf jj90/Kev-0.8B-RKNN3-RK1828
Configure the model in Pi
# Install Pi: npm install -g @earendil-works/pi-coding-agent # Add to ~/.pi/agent/models.json: { "providers": { "llama-cpp": { "baseUrl": "http://localhost:9931/v1", "api": "openai-completions", "apiKey": "none", "models": [ { "id": "jj90/Kev-0.8B-RKNN3-RK1828" } ] } } }Run Pi
# Start Pi in your project directory: pi
- Docker Model Runner
How to use jj90/Kev-0.8B-RKNN3-RK1828 with Docker Model Runner:
docker model run hf.co/jj90/Kev-0.8B-RKNN3-RK1828
- Lemonade
How to use jj90/Kev-0.8B-RKNN3-RK1828 with Lemonade:
Pull the model
# Download Lemonade from https://lemonade-server.ai/ lemonade pull jj90/Kev-0.8B-RKNN3-RK1828
Run and chat with the model
lemonade run user.Kev-0.8B-RKNN3-RK1828-{{QUANT_TAG}}List all available models
lemonade list
- Hermes Agent
How to use jj90/Kev-0.8B-RKNN3-RK1828 with Hermes Agent:
Start the llama.cpp server
# Install llama.cpp: brew install llama.cpp # Start a local OpenAI-compatible server: llama serve -hf jj90/Kev-0.8B-RKNN3-RK1828
Configure Hermes
# Install Hermes: curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash hermes setup # Point Hermes at the local server: hermes config set model.provider custom hermes config set model.base_url http://127.0.0.1:9931/v1 hermes config set model.default jj90/Kev-0.8B-RKNN3-RK1828
Run Hermes
hermes
- Atomic Chat
- OpenClaw
How to use jj90/Kev-0.8B-RKNN3-RK1828 with OpenClaw:
Start the llama.cpp server
# Install llama.cpp: brew install llama.cpp # Start a local OpenAI-compatible server: llama serve -hf jj90/Kev-0.8B-RKNN3-RK1828
Configure OpenClaw
# Install OpenClaw: npm install -g openclaw@latest # Register the local server and set it as the default model: openclaw onboard --non-interactive --mode local \ --auth-choice custom-api-key \ --custom-base-url http://127.0.0.1:9931/v1 \ --custom-model-id "jj90/Kev-0.8B-RKNN3-RK1828" \ --custom-provider-id llama-cpp \ --custom-compatibility openai \ --custom-text-input \ --accept-risk \ --skip-health
Run OpenClaw
openclaw agent --local --agent main --message "Hello from Hugging Face"
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。
|