Wllama入门指南 - 浏览器中运行LLM推理的WebAssembly绑定

Wllama简介

Wllama是llama.cpp的WebAssembly绑定,允许在浏览器中直接运行大语言模型(LLM)推理,无需后端或GPU支持。这个开源项目为Web开发者提供了一种在前端实现AI能力的强大工具。

主要特性

• 支持TypeScript
• 使用WebAssembly SIMD直接在浏览器中运行推理
• 高级API:completions、embeddings
• 低级API:分词、KV缓存控制、采样控制等
• 支持将模型拆分为小文件并并行加载
• 自动根据浏览器支持切换单线程和多线程版本
• 推理在Worker中进行,不阻塞UI渲染

快速开始

1. 安装Wllama:

npm install @wllama/wllama

2. 在React项目中使用:

import { Wllama } from '@wllama/wllama';

const wllama = new Wllama(CONFIG_PATHS);

await wllama.loadModelFromUrl("https://example.com/model.gguf");

const output = await wllama.createCompletion("Hello, how are you?", {
  nPredict: 50,
  sampling: {
    temp: 0.5,
    top_k: 40,
    top_p: 0.9,
  },
});

console.log(output);

学习资源

• 官方文档
• 基础用法示例
• 高级API示例
• Embedding和余弦距离计算示例

在线演示

Wllama官方提供了一个在线演示应用,可以直接体验其功能:

Wllama在线演示

高级用法

模型拆分

对于大于2GB的模型,可以使用llama-gguf-split工具将其拆分为多个小文件:

./llama-gguf-split --split-max-size 512M ./my_model.gguf ./my_model

然后在加载时指定第一个文件的URL:

await wllama.loadModelFromUrl(
  'https://example.com/model-00001-of-00003.gguf',
  {
    parallelDownloads: 5,
  }
);

自定义日志

可以通过传入自定义logger来控制日志输出:

const wllama = new Wllama(pathConfig, {
  logger: {
    debug: (...args) => console.debug('🔧', ...args),
    log: (...args) => console.log('ℹ️', ...args),
    warn: (...args) => console.warn('⚠️', ...args),
    error: (...args) => console.error('☠️', ...args),
  },
});

总结

Wllama为Web开发者提供了一个强大的工具,能够在浏览器中直接运行LLM推理。通过其简单的API和丰富的文档,开发者可以快速将AI能力集成到前端应用中。随着项目的不断发展,未来还可能支持WebGL加速等更多特性,值得持续关注。