Raspberry Pi 官方分享：利用 14MB 的 Function-Calling LLM 实现端侧自然语言硬件控制

各位开发者好这里是 Raspberry Pi。在边缘计算和嵌入式开发中将自然语言处理NLP与物理硬件控制结合通常需要依赖云端 API 或是笨重的本地硬件加速器。今天我们和大家分享一种极度轻量化的端侧解决方案由 Cactus Compute 开发的 Needle 2 模型。打破硬件限制纯 CPU 运行Needle 2 是一个专门针对函数调用Function-Calling微调的大语言模型体积仅有 14MB。最核心的突破在于它可以在 Raspberry Pi 5 上完全依赖 CPU 离线运行无需搭配任何专用的 AI HAT 或 NPU。极简的开发体验与代码示例在配置上整个环境搭建非常简单python3 -m venv needle-env source needle-env/bin/activate python -m pip install cactus-needle首次下载后Needle 即可在本地运行无需云 API 或网络连接。此示例无需任何额外硬件。import needle from pathlib import Path import subprocess notes_path Path(needle-notes.txt)该类Needle接受使用 Deked 装饰器的函数needle.tool。该装饰器使用每个函数的名称、文档字符串和类型注解来构建其工具模式。在save_note下面的示例中Deked 注解告诉 Needlefunctiontext必须是一个字符串。模型会在底层分析出结构化的 JSON精准选择需要调用的函数并自动填充参数needle.tool def save_note(text: str): Append a note to a local text file. with notes_path.open(a, encodingutf-8) as notes: notes.write(text \n) return {text: text, path: str(notes_path)} needle.tool def get_temperature(): Return the current CPU temperature of this Raspberry Pi in Celsius. out subprocess.check_output([vcgencmd, measure_temp], textTrue) return {temperature_c: float(out.split()[1].split()[0])} agent needle.Needle(tools[save_note, get_temperature]) response agent.run(Save a note that says the cooler is working.)run()在模型内部首先生成以下工具选择为清晰起见输出已进行裁剪{ type: call, function_calls: [ { name: save_note, arguments: { text: the cooler is working } } ] }run()执行该函数并将其返回值包含在response[results][ { text: the cooler is working, path: needle-notes.txt } ]在本次运行中初始complete()内部run()选择了该函数并在 107 毫秒内生成了它的参数。我们还可以问agent.reset() response agent.run(How hot is this Raspberry Pi?)针头呼叫{ type: call, function_calls: [ {name: get_temperature, arguments: {}} ] }run()执行读取操作vcgencmd并将读取结果包含在其结果中{ temperature_c: 49.9 }我们还声明了 __init__set_led(on)、blink_led(times)__init__ 和 __init__并take_photo()通过rpicam-still__init__ 来测试工具选择。Needle 会选择工具普通的 Python 代码决定接下来会发生什么。类似地你可以使用 __init__ 来修饰任何具有清晰名称、类型注解和描述的 Python 函数needle.tool。Needle 的搜索范围刻意缩小。例如询问“法国的首都是什么”它会{ function_calls: [] }在 92 毫秒内返回结果因为我们提供的所有工具都无法回答这个问题。对于一个动作模型来说拒绝不相关的请求才是正确的反应。Needle 的原生会话大小约为 28MB。在这个 Python 演示中包括解释器在内的整个进程最大占用空间在 43MB 到 46.4MB 之间。这些示例运行于 Raspberry Pi 58GB 内存、Raspberry Pi OS仅 CPU 运行cactus-needle版本 2.0.7上。“预填充”和“解码”计数器是 Needle 的会话计数器。 “耗时complete()”列中的每个延迟值都是所选 Python 函数运行之前单次调用的实际耗时。如果您已经编写了 GPIO Zero 函数您可以对其进行修饰并传入。其他应用程序逻辑也同样适用。此外Needle 还可以在笔记本电脑上针对特定工具集进行本地微调。您可以在huggingface.co/Cactus-Compute/needle2和github.com/cactus-compute/needle找到权重和代码。两者都以 Apache 2.0 许可发布。