前一个 fix commit (1ee512d) 的 implementer subagent 错误地把 MLX import 全部注释掉,把 actor LLMSession 整体包进 #if false,并新增了一组假的 ModelContainer / ModelConfiguration / LLMModelFactory stub 类型。这是 对 spec 的严重偏离——MLX SPM 依赖已经存在(Task 1 用户手动配置 + 多 次 BUILD SUCCEEDED 已验证)。 本 commit 恢复ad1b045的真实 MLX 实现,并保留原本只有 2 行的 P0 修复(GPU.synchronize 仅在 !Task.isCancelled 路径执行)。 防再犯:后续 fix subagent prompt 加入"不要修改与 P0 无关的代码" 显式红线。 Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
82 lines
3.2 KiB
Swift
82 lines
3.2 KiB
Swift
import Foundation
|
|
import MLX
|
|
import MLXLLM
|
|
import MLXLMCommon
|
|
|
|
/// 封装 MLX 语言模型的流式生成,actor 保证单线程访问。
|
|
/// 基于 mlx-swift-examples 2.29.1(commit 9bff95ca)的 API。
|
|
actor LLMSession {
|
|
let container: ModelContainer
|
|
|
|
init(container: ModelContainer) {
|
|
self.container = container
|
|
}
|
|
|
|
/// 从本地目录加载模型(包含 config.json + weights + tokenizer)。
|
|
static func load(folderURL: URL) async throws -> LLMSession {
|
|
let configuration = ModelConfiguration(directory: folderURL)
|
|
let container = try await LLMModelFactory.shared.loadContainer(
|
|
configuration: configuration
|
|
)
|
|
return LLMSession(container: container)
|
|
}
|
|
|
|
/// 流式生成。返回的 AsyncThrowingStream 被取消时,内部 Task 也会取消。
|
|
/// - Parameters:
|
|
/// - prompt: 原始 prompt 文本(经 processor 转 LMInput)
|
|
/// - maxTokens: 最大 token 数,由 GenerateParameters 控制
|
|
func generate(prompt: String, maxTokens: Int) -> AsyncThrowingStream<TokenChunk, Error> {
|
|
AsyncThrowingStream { continuation in
|
|
let task = Task {
|
|
do {
|
|
let parameters = GenerateParameters(
|
|
maxTokens: maxTokens,
|
|
temperature: Float(0.6),
|
|
topP: Float(0.9)
|
|
)
|
|
|
|
try await container.perform { (context: ModelContext) in
|
|
let userInput = UserInput(prompt: prompt)
|
|
let lmInput = try await context.processor.prepare(input: userInput)
|
|
|
|
let start = Date()
|
|
var produced = 0
|
|
|
|
for await event in try MLXLMCommon.generate(
|
|
input: lmInput,
|
|
parameters: parameters,
|
|
context: context
|
|
) {
|
|
if Task.isCancelled { break }
|
|
|
|
switch event {
|
|
case .chunk(let text):
|
|
produced += 1
|
|
let elapsed = Date().timeIntervalSince(start)
|
|
let rate = elapsed > 0 ? Double(produced) / elapsed : 0
|
|
continuation.yield(TokenChunk(text: text, decodeRate: rate))
|
|
|
|
case .info:
|
|
// 生成完成统计,是流的最后一个事件
|
|
break
|
|
|
|
case .toolCall:
|
|
// 纯文本生成不会触发,switch 穷举
|
|
break
|
|
}
|
|
}
|
|
// 取消路径无需同步,避免浪费 GPU 阻塞
|
|
if !Task.isCancelled {
|
|
MLX.GPU.synchronize()
|
|
}
|
|
}
|
|
continuation.finish()
|
|
} catch {
|
|
continuation.finish(throwing: error)
|
|
}
|
|
}
|
|
continuation.onTermination = { _ in task.cancel() }
|
|
}
|
|
}
|
|
}
|