> ## Documentation Index > Fetch the complete documentation index at: https://dragonwingdocs-staging.qualcomm.com/llms.txt > Use this file to discover all available pages before exploring further. # 将 GenAI 模型与 Qualcomm 生成式 AI（GenAI）推理扩展（Genie）配合使用 > 使用 Genie 框架和 CLI 工具在 Qualcomm Dragonwing IoT 平台上运行大语言模型（LLM）和多模态模型。 Genie 是一个高级框架，用于在 Qualcomm 平台上运行 GenAI 模型，例如 LLM、视觉 Transformer 和多模态模型。它抽象了管理多个二进制文件的复杂性，并协调跨异构计算单元 （CPU、GPU、NPU）的执行，从而提供低延迟、高能效和简单易用的体验。 用于在 Qualcomm 平台上运行 GenAI 模型的 Genie 框架架构 以下 JSON 配置、Genie 工具和 C API 是在设备上准备、执行和管理 GenAI 模型的基本组件。 | 组件 | 用途 | | | | | | | | --------- | ----------------------------------- | ------------------------ | --------------------------------------------------------------------------------------------------------------- | ----------------- | ----------------------- | ------------------------------------ | -------------------------------------------------------------------------------------------------------------------------------- | | JSON 配置 | 关键功能： | 指定后端选择（CPU 或 NPU）。 | 配置模型路径、分词器设置和内存分配。 | 管理多轮对话的会话参数。示例字段： | `backend`："CPU" 或 "NPU" | `model_bundle_path`：Genie 模型二进制文件的路径 | `max_tokens`：token 生成上限。有关更多详细信息，请参阅 [Qualcomm AI Engine Direct](https://docs.qualcomm.com/doc/80-63442-10/topic/index_QNN.html) | | Genie 工具 | 用于模型执行和性能分析的命令行工具。常用工具： | `genie-t2t-run`：文本到文本推理。 | `genie-profile`：性能分析。有关更多详细信息，请参阅 [Qualcomm AI Runtime (QAIRT) SDK](https://docs.qualcomm.com/doc/80-63442-10)。 | | | | | | Genie API | 提供编程访问接口，可将 Genie 集成到 GenAI 应用中。特性： | Dialogue API：支持多轮对话工作流。 | Token 生成 API：处理 LLM 的增量 token 流式输出。优势： | 支持自定义应用逻辑。 | 提供对推理会话的细粒度控制。集成： | 与 QAIRT SDK 配合执行后端。 | 同时支持 CPU 和 NPU 目标。有关更多详细信息，请参阅 [QAIRT](https://docs.qualcomm.com/doc/80-63442-10) | ## 使用 Genie 运行 LLM 在您的大语言模型（LLM）完成准备和优化后 （使用 [AI Hub](../topic/genai-prepare-ai-hub) 或 [Jupyter notebooks](../topic/genai-prepare-jupyter)）， Genie 提供了一种在 Qualcomm 平台上执行模型的简化方式。 ### 前提条件 在使用 Genie 运行语言模型之前，请确认满足以下前提条件。 * 模型包已针对正确的后端（CPU 或 NPU）导出并准备就绪，并且包含 AI Engine Direct（QNN）二进制文件、分词器文件和配置文件。 * 目标设备上已安装 QAIRT，并且 Genie 工具和库已作为 SDK 的一部分可用。 * 目标硬件使用具有足够内存（用于复制和执行模型二进制文件的 RAM 和存储空间）的 Qualcomm 平台。 下图显示了使用 Genie 通过 `genie-t2t-run` 运行 LLM 所需的输入。 使用 genie-t2t-run 运行 LLM 所需的输入 `genie-t2t-run` 工具是一个测试应用，可对提供的 LLM 网络进行文本到文本推理。 它以文本格式接收用户提示，并以文本格式输出结果。它提供了一个开箱即用的 命令行界面（CLI），可在受支持的 Qualcomm 设备上使用 CPU、GPU 和 Hexagon Tensor Processor（HTP）后端运行 LLM 推理。 Genie 使用预先优化的模型资产，将多二进制 LLM 执行简化为单个任务。 以下代码段展示了一个示例 `genie-t2t-run` 命令。 ``` genie-t2t-run -c genie_config.json -p "Tell me about Qualcomm" ``` 下图显示了 `genie-t2t-run` 命令的调用流程。 genie-t2t-run 命令的调用流程 以下步骤详细说明了如何将 LLM 制品推送到目标设备并使用 Genie 运行 LLM 模型。在运行 `genie-t2t-run` 之前，您需要将模型准备步骤中生成的 genie-bundle 复制到目标设备。 1. 在主机上，使用目标设备的 IP 地址连接到目标设备。 ```shell theme={null} ssh root@ ``` 2. 在目标设备上，在上一步的 SSH 会话中，创建一个用于存放模型制品的目录： ```shell theme={null} mkdir -p /tmp ``` 3. 从主机将运行模型所需的库和二进制文件推送到目标设备。 ```shell theme={null} scp ${QNN_SDK_ROOT}/bin/aarch64-oe-linux-gcc11.2/genie-t2t-run root@:/tmp/ ``` ```shell theme={null} scp ${QNN_SDK_ROOT}/lib/aarch64-oe-linux-gcc11.2/libGenie.so root@:/tmp/ ``` ```shell theme={null} scp ${QNN_SDK_ROOT}/lib/aarch64-oe-linux-gcc11.2/libQnnHtp.so root@:/tmp/ ``` ```shell theme={null} scp ${QNN_SDK_ROOT}/lib/aarch64-oe-linux-gcc11.2/libQnnSystem.so root@:/tmp/ ``` ```shell theme={null} scp ${QNN_SDK_ROOT}/lib/aarch64-oe-linux-gcc11.2/libQnnHtpPrepare.so root@:/tmp/ ``` ```shell theme={null} scp ${QNN_SDK_ROOT}/lib/aarch64-oe-linux-gcc11.2/libQnnHtpNetRunExtensions.so root@:/tmp/ ``` 在以下命令中，将 `` 替换为 DSP Hexagon 架构库版本。 | 设备 | 架构 | | ------------------------------ | ---- | | IQ-8275 | `75` | | IQ-9075/QCS9100 | `73` | | Qualcomm Dragonwing™ RB3 Gen 2 | `68` | ```shell theme={null} scp ${QNN_SDK_ROOT}/lib/aarch64-oe-linux-gcc11.2/libQnnHtpVStub.so root@:/tmp/ ``` ```shell theme={null} scp ${QNN_SDK_ROOT}/lib/hexagon-v/unsigned/libQnnHtpVSkel.so root@:/tmp/ ``` 4. 从主机将模型二进制文件和配置文件推送到目标设备。 ```shell theme={null} scp root@:/tmp/ ``` ```shell theme={null} scp root@:/tmp/ ``` ```shell theme={null} scp root@:/tmp/ ``` ```shell theme={null} scp root@:/tmp/ ``` 5. 在目标设备上运行模型。 ```shell theme={null} export LD_LIBRARY_PATH=/tmp/ ``` ```shell theme={null} export PATH=$LD_LIBRARY_PATH:$PATH ``` ```shell theme={null} cd $LD_LIBRARY_PATH ``` ```shell theme={null} ./genie-t2t-run -c -p "What's the most popular cookie in the world?" ``` 使用来自 [JSON 配置文件](https://docs.qualcomm.com/doc/80-63442-10/topic/json.html#genie-dialog-json-config-string) 的 `backend::type` 参数选择运行时 | 参数 | 后端 | 说明 | | --------------- | ---- | ------------------------------------------------------------------------------------------ | | `backend::type` | 所有后端 | 要使用的引擎：QNN HTP 后端：`QnnHtp`，QNN AI transformer 后端：`QnnGenAiTransformer`，QNN GPU 后端：`QnnGpu` | 适用于不同模型的示例 Genie 配置可通过 [AI Hub](https://github.com/qualcomm/ai-hub-apps/tree/main/tutorials/llm_on_genie/configs/genie) 获取。 ## 使用 Genie 运行多模态模型 要使用 Genie 运行多模态模型，请使用 GenAI 教程（可在 [`Qualcomm Package Manager`](https://qpm.qualcomm.com/#/main/tools/details/QPM3) 中获取） 生成模型，并使用 Genie 工具运行它们。 AI Hub 中未托管任何多模态模型。 用户必须使用 Jupyter notebooks 来生成和运行这些模型。 使用 Genie 执行多模态模型是通过 Genie 流水线完成的。 * Genie Node API：用于创建各个模块。每个节点的创建都需要一个独立的 JSON 配置，类似于对话（dialog）配置。 * `text-encoder` * `image-encoder` * `text-generator` * Genie Pipeline API：用于连接节点并简化执行。Genie 流水线管理 内部的数据类型转换、重新量化和拼接操作。 包含文本和图像编码器节点的多模态模型执行 Genie 流水线 ### Genie 流水线阶段 1. 创建节点。 a. 创建节点配置。节点 JSON 配置因节点类型而异。 有关更多信息，请参阅 [node JSON](https://docs.qualcomm.com/doc/80-63442-10/topic/node_json.html) ``` Genie_Status_t GenieNodeConfig_createFromJson(const char* str, GenieNodeConfig_Handle_t* configHandle); ``` 1. 创建节点。 ``` Genie_Status_t GenieNode_create(const GenieNodeConfig_Handle_t nodeConfigHandle, GenieNode_Handle_t* nodeHandle); ``` 1. 构建流水线。 a. 根据节点配置创建流水线。 ``` Genie_Status_t GeniePipelineConfig_createFromJson(const char* str, GeniePipelineConfig_Handle_t* configHandle); ``` 1. 将节点添加到流水线。 ``` Genie_Status_t GeniePipeline_create(const GeniePipelineConfig_Handle_t configHandle, GeniePipeline_Handle_t* pipelineHandle); ``` 1. 连接节点。 * 每种节点类型都有一组预定义的 IO 名称。这些名称在 `GenieNode.h` 中定义。 例如，文本生成器节点有两个可能输入之一和一个输出： * 输入：`GENIE_NODE_TEXT_GENERATOR_TEXT_INPUT` * 输入：`GENIE_NODE_TEXT_GENERATOR_EMBEDDING_INPUT` * 输出：`GENIE_NODE_TEXT_GENERATOR_TEXT_OUTPUT` * Genie 流水线连接 API 定义从一个生产者节点输出到一个 消费者节点输入的一条连接。例如： ``` GeniePipeline_connect(pipelineHandle, lutEncoder, GENIE_NODE_TEXT_ENCODER_EMBEDDING_OUTPUT, textGenerator, GENIE_NODE_TEXT_GENERATOR_EMBEDDING_INPUT) ``` 1. 运行流水线。 a. 为输入节点设置数据。 ``` Genie_Status_t GenieNode_setData(const GenieNode_Handle_t nodeHandle, const GenieNode_IOName_t nodeIOName, const void* data, const size_t dataSize, const char* dataConfig); ``` * 使用预定义的 IO 名称（与 connect API 中相同） * IO 名称隐式定义了数据类型 1. 运行流水线。 ``` Genie_Status_t GeniePipeline_execute(const GeniePipeline_Handle_t pipelineHandle, void* userData); ``` * 注册到输出节点的回调将返回输出结果。 ## Genie API Genie API 是用于在 Qualcomm 设备上运行 LLM 流水线的高级接口。 它将分词器、引擎（QNN 后端）、KV-cache 管理、解码和采样 封装到对话和 token 生成流程中，同时将设备执行委托给使用 HTP/NPU 和 CPU 后端的 QAIRT。 下图显示了由 Genie API 内部处理的高级功能。 您可以使用 Genie C API 根据 LLM 应用需求配置每个组件。 由 Genie API 内部处理的高级功能 Genie API 包含以下组件。 有关完整的函数定义和头文件级别的详细信息，请参阅 [Genie API 文档](https://docs.qualcomm.com/doc/80-63442-10/topic/library.html) * `GeniePipeline`：通过将分词器、引擎、采样器和其他节点串联成可运行的流水线， 来编排整个推理工作流。它管理文本生成或嵌入任务的数据流和执行顺序。 * `GenieNode`：表示流水线中的单个处理单元（分词器、引擎）。 节点封装特定功能，可用于构建自定义推理图。 * `GenieDialog`：面向对话任务的高级抽象。它使用 JSON 配置将分词器、 模型、后端和采样器连接在一起，并提供用于 token 生成和嵌入的 API。 * `GenieEmbedding`：处理检索增强生成（RAG）或语义搜索的嵌入查询。 使用加载的模型将输入文本转换为稠密向量表示。 * `GenieProfile`：存储配置和运行时参数，例如后端选择、采样策略 和性能设置。配置文件允许在不同的推理设置之间快速切换。 * `GenieSampler`：实现解码策略（例如 greedy、top-k 或 top-p 采样），将 模型 logits 转换为输出 token。支持高级加速技术，如推测解码（SPD）、 自推测解码（SSD）和前瞻解码（LADE）。 * `GenieEngine`：在所选后端（HTP、GenAI transformer 或 CPU）上执行模型前向计算。 它管理图执行、内存分配和硬件加速。 * `GenieTokenizer`：在推理期间将文本转换为 token ID，并将其转换回文本。适用于特定模型的 词表，并支持多轮对话的高效编码/解码。 下图显示了端到端 LLM 聊天机器人应用中 Genie API 的示例调用流程。 ## Genie API 聊天机器人调用流程 聊天机器人应用中 Genie API 的调用流程