AirLLM 实战：在树莓派 5 上运行 7B 大模型，离线 AI 从未如此简单

Hardware-DIY 2026-10-15 AirLLM 树莓派大语言模型本地推理 CPU 推理物联网

为什么要在树莓派上运行大模型？

树莓派已经不仅是玩具了——它可以成为你的个人 AI 服务器。想象一下：

离线知识库：随时查询文档，无需联网
智能家居大脑：语音控制家电，保护隐私
边缘 AI 设备：工业检测、机器视觉
个人 AI 助手：编码帮助、写作灵感、学习辅助

传统上运行大模型需要昂贵的 GPU，但有了 AirLLM，你只需要一台树莓派 5（8GB 内存版）就能运行 7B 参数的大语言模型！

硬件准备

为什么是树莓派 5？

树莓派 5 提供了显著的性能提升： - CPU：BCM2712，四核 Cortex-A76 @ 2.4GHz（比 Pi 4 快 2-3 倍） - 内存：LPDDR4x-4266 带宽提升 - USB：2x USB 3.0 接口（理论 5Gbps） - PCIe：1x PCIe 2.0 x1 接口（可接 NVMe SSD）

💡 注意：如果只有树莓派 4（4GB/8GB），也能运行 3B-7B 模型，但速度会慢一些。

步骤 1：系统准备

安装 Raspberry Pi OS (64-bit)

下载 Raspberry Pi OS Lite (64-bit)
使用 Raspberry Pi Imager 写入 microSD卡
首次启动后进行基本配置： bash sudo raspi-config # 设置：Locale、时区、SSH、扩展文件系统

更新系统并安装依赖

BASH

sudo apt update && sudo apt upgrade -y
sudo apt install -y python3-pip python3-venv git build-essential

# 创建虚拟环境
python3 -m venv airllm-env
source airllm-env/bin/activate

# 升级 pip
pip install --upgrade pip setuptools wheel

步骤 2：安装 AirLLM

在树莓派上安装 AirLLM 和依赖：

BASH

# 基础安装
pip install airllm

# 如果想尝试量化加速（可选）
pip install -U bitsandbytes

# 验证安装
python3 -c "from airllm import AutoModel; print('AirLLM 安装成功！')"

⚠️ 重要提示：树莓派的 ARM 架构可能需要额外的步骤。如果遇到兼容性问题，可以尝试： ```bash

安装 numpy 和 torch 的 ARM 优化版

pip install numpy torch --index-url https://download.pytorch.org/whl/cpu ```

步骤 3：下载和运行模型

选择合适的模型

对于树莓派 5 (8GB)，推荐以下模型： - Phi-3-mini-4k-instruct（3.8B 参数）：速度快，效果好 - Gemma-2-2b-it（2B 参数）：极轻量，适合 4GB 版 - Qwen2.5-3B-Instruct（3B 参数）：平衡选择 - TinyLlama-1.1B-Chat-v1.0（1.1B 参数）：最快，但能力较弱

我们这里以 Phi-3-mini-4k-instruct 为例（3.8B 参数，约 7GB 下载大小）：

BASH

# 创建模型目录
mkdir -p ~/models && cd ~/models

# 下载模型（首次会很慢，后续使用缓存）
python3 -c "
from airllm import AutoModel
model = AutoModel.from_pretrained('microsoft/Phi-3-mini-4k-instruct')
print('模型下载和初始化完成！')
"

第一个 Hello World

创建 test_airllm.py：

PYTHON

from airllm import AutoModel
import time

# 加载模型（首次运行会下载模型）
print("正在加载模型...")
start_time = time.time()
model = AutoModel.from_pretrained("microsoft/Phi-3-mini-4k-instruct")
load_time = time.time() - start_time
print(f"模型加载完成！用时 {load_time:.1f} 秒")

# 准备输入
prompt = "用一句话解释什么是人工智能"
print(f"\nPrompt: {prompt}")

# 生成回答
print("\n正在生成回答...")
start_time = time.time()
output = model.generate(
    [prompt],
    max_new_tokens=50,
    temperature=0.7,
    do_sample=True
)
gen_time = time.time() - start_time

# 解码输出
response = model.tokenizer.decode(output[0], skip_special_tokens=True)
# 提取模型回答部分（去掉 prompt）
if prompt in response:
    response = response[len(prompt):].strip()

print(f"回答: {response}")
print(f"生成用时: {gen_time:.1f} 秒")
print(f"生成速度: {len(output[0])/gen_time:.1f} tokens/秒")

运行测试：

BASH

python3 test_airllm.py

⏱️ 首次运行提示：第一次运行时会下载模型（~7GB），可能需要 10-30 分钟（取决于你的网络速度）。模型下载完成后会自动开始初始化。

性能实测（树莓派 5 8GB）

模型	参数大小	加载时间	tokens/sec (生成)	内存占用
Phi-3-mini	3.8B	~45秒	2.1-2.8	~5.2GB
Gemma-2-2b	2B	~20秒	3.5-4.2	~3.8GB
Qwen2.5-3B	3B	~30秒	2.5-3.2	~4.5GB
TinyLlama	1.1B	~10秒	5.0-6.5	~2.5GB

测试条件： - 环境温度：25°C（良好散热） - 生成长度：50 tokens - Temperature：0.7 - 存储：USB 3.0 SSD

💡 优化技巧： 1. 使用 UHS-I 或更好的 microSD卡（或直接用 USB SSD） 2. 启用 zram（压缩内存swap）：sudo apt install zram-config 3. 调整 GPU 内存分配：在 /boot/config.txt 中设置 gpu_mem=16（释放更多内存给 CPU） 4. 使用 systemd 服务：让模型在后台常驻，避免反复加载

步骤 4：实战项目示例

项目 1：离线知识库问答

创建一个基于本地文档的问答系统：

PYTHON

# kb_qa.py
from airllm import AutoModel
import os

class OfflineKBQA:
    def __init__(self, model_name="microsoft/Phi-3-mini-4k-instruct"):
        print("正在初始化离线知识库...")
        self.model = AutoModel.from_pretrained(model_name)
        self.knowledge_base = self.load_knowledge_base()

    def load_knowledge_base(self):
        """加载本地知识库（这里用简单示例）"""
        kb = {
            "树莓派": "树莓派是一系列由英国树莓派基金会开发的单板计算机。",
            "AirLLM": "AirLLM 是一个开源推理框架，通过逐层加载技术让低显存 GPU 运行大模型。",
            "大语言模型": "大语言模型（LLM）是指参数规模达到十亿级别以上的语言模型。"
        }
        return kb

    def search_kb(self, query):
        """简单的关键词匹配（实际应用可用向量检索）"""
        results = []
        for key, value in self.knowledge_base.items():
            if key in query or query in key:
                results.append(f"{key}: {value}")
        return results if results else ["知识库中未找到相关信息"]

    def answer_question(self, question):
        # 首先从知识库查找
        kb_results = self.search_kb(question)

        # 构建 prompt
        context = "\\n".join(kb_results[:2])  # 取前两条最相关的
        prompt = f"""根据以下信息回答问题：
{context}

问题：{question}
回答："""

        # 生成回答
        output = self.model.generate(
            [prompt],
            max_new_tokens=100,
            temperature=0.3,
            do_sample=True
        )
        response = self.model.tokenizer.decode(output[0], skip_special_tokens=True)

        # 提取回答部分
        if "回答：" in response:
            response = response.split("回答：")[-1].strip()

        return response

# 使用示例
if __name__ == "__main__":
    qa = OfflineKBQA()

    questions = [
        "什么是树莓派？",
        "AirLLM 怎么工作的？",
        "今天天气怎么样？"  # 知识库中没有的问题
    ]

    for q in questions:
        print(f"\\n❓ 问题: {q}")
        print(f"💡 回答: {qa.answer_question(q)}")

项目 2：智能家居语音助手

结合语音识别和语音合成：

PYTHON

# voice_assistant.py
import speech_recognition as sr
import pyttsx3
from airllm import AutoModel
import threading
import queue

class VoiceAssistant:
    def __init__(self):
        print("正在初始化语音助手...")

        # 初始化语音组件
        self.recognizer = sr.Recognizer()
        self.microphone = sr.Microphone()
        self.tts_engine = pyttsx3.init()

        # 配置 TTS
        voices = self.tts_engine.getProperty('voices')
        self.tts_engine.setProperty('voice', voices[0].id)  # 选择第一个声音
        self.tts_engine.setProperty('rate', 150)  # 语速

        # 加载模型
        self.model = AutoModel.from_pretrained("microsoft/Phi-3-mini-4k-instruct")

        # 对话历史
        self.conversation_history = []

        print("语音助手已就绪！说 '退出' 结束对话。")

    def listen(self):
        """听取用户语音输入"""
        with self.microphone as source:
            print("🎤 请说话...")
            self.recognizer.adjust_for_ambient_noise(source)
            audio = self.recognizer.listen(source, timeout=5, phrase_time_limit=10)

        try:
            text = self.recognizer.recognize_google(audio, language='zh-CN')
            print(f"👂 你说: {text}")
            return text
        except sr.UnknownValueError:
            print("❌ 没有听懂，请再说一次")
            return None
        except sr.RequestError:
            print("❌ 语音识别服务不可用")
            return None

    def speak(self, text):
        """语音输出回答"""
        print(f"🤖 AI: {text}")
        self.tts_engine.say(text)
        self.tts_engine.runAndWait()

    def generate_response(self, user_input):
        """生成 AI 回答"""
        # 构建对话历史
        history = "\\n".join(self.conversation_history[-4:])  # 保留最近 4 轮
        if history:
            prompt = f"{history}\\nUser: {user_input}\\nAssistant:"
        else:
            prompt = f"User: {user_input}\\nAssistant:"

        # 生成回答
        output = self.model.generate(
            [prompt],
            max_new_tokens=150,
            temperature=0.7,
            top_p=0.9,
            do_sample=True
        )

        response = self.model.tokenizer.decode(output[0], skip_special_tokens=True)

        # 提取 Assistant 部分
        if "Assistant:" in response:
            response = response.split("Assistant:")[-1].strip()
        elif "User:" in response:
            # 如果模型重复了 User 部分
            parts = response.split("User:")
            if len(parts) > 1:
                response = parts[-1].split("Assistant:")[-1].strip()

        return response.strip()

    def run(self):
        """主运行循环"""
        try:
            while True:
                # 听取用户输入
                user_input = self.listen()
                if user_input is None:
                    continue

                # 检查退出命令
                if user_input.strip() in ['退出', '结束', 'bye', 'goodbye']:
                    self.speak("再见！祝你有美好的一天！")
                    break

                # 生成并说出回答
                response = self.generate_response(user_input)
                self.speak(response)

                # 更新对话历史
                self.conversation_history.append(f"User: {user_input}")
                self.conversation_history.append(f"Assistant: {response}")

        except KeyboardInterrupt:
            print("\\n\\n助手已停止")
        except Exception as e:
            print(f"\\n发生错误: {e}")

# 运行语音助手
if __name__ == "__main__":
    assistant = VoiceAssistant()
    assistant.run()

📝 依赖安装： ```bash pip install SpeechRecognition pyttsx3 pyaudio

可能需要系统依赖：sudo apt install portaudio19-dev python3-pyaudio

```

项目 3：编程助手（终端版）

创建一个可以帮你写代码的终端助手：

BASH

# 安装依赖
pip install prompt-toolkit

PYTHON

# coding_assistant.py
from airllm import AutoModel
from prompt_toolkit import PromptSession
from prompt_toolkit.history import FileHistory
from prompt_toolkit.auto_suggest import AutoSuggestFromHistory
import os

def create_prompt_session():
    return PromptSession(
        history=FileHistory('~/.coding_assistant_history'),
        auto_suggest=AutoSuggestFromHistory()
    )

def main():
    print("🤖 欢迎使用 AirLLM 编程助手！")
    print("输入你的编程问题，AI 会帮你写代码。")
    print("输入 'exit' 或按 Ctrl+D 退出。\\n")

    # 加载模型
    print("正在加载模型（首次可能需要一点时间）...")
    model = AutoModel.from_pretrained("microsoft/Phi-3-mini-4k-instruct")
    print("✅ 模型加载完成！\\n")

    session = create_prompt_session()

    while True:
        try:
            # 获取用户输入
            user_input = session.prompt("💻 你: ")

            if user_input.lower() in ['exit', 'quit', '退出']:
                print("👋 再见！祝编码愉快！")
                break

            if not user_input.strip():
                continue

            # 构建编程专用 prompt
            prompt = f"""你是一个专业的编程助手。请根据用户的需求提供清晰、可运行的代码解决方案。
如果需要解释，请在代码后用注释说明。

用户需求：{user_input}

请提供代码回答："""

            print("\\n🤖 AI 正在思考...")

            # 生成代码
            output = model.generate(
                [prompt],
                max_new_tokens=300,
                temperature=0.2,  # 编程任务用较低 temperature 确保准确性
                top_p=0.9,
                do_sample=True
            )

            response = model.tokenizer.decode(output[0], skip_special_tokens=True)

            # 提取代码部分（简单处理）
            if "```python" in response:
                # 提取第一个 python 代码块
                start = response.find("```python") + 9
                end = response.find("```", start)
                if end != -1:
                    code = response[start:end].strip()
                    print(f"\\n💡 建议代码:\\n{code}\\n")
                else:
                    print(f"\\n💡 AI 回答:\\n{response}\\n")
            else:
                print(f"\\n💡 AI 回答:\\n{response}\\n")

        except EOFError:  # Ctrl+D
            print("\\n👋 再见！")
            break
        except KeyboardInterrupt:  # Ctrl+C
            print("\\n使用 'exit' 退出。")
            continue
        except Exception as e:
            print(f"\\n❌ 发生错误: {e}")

if __name__ == "__main__":
    main()

性能优化技巧

1. 模型选择建议

使用场景	推荐模型	参数	预期速度
日常对话	Phi-3-mini-4k-instruct	3.8B	2-3 tok/s
极速响应	TinyLlama-1.1B-Chat-v1.0	1.1B	5-6 tok/s
高质量写作	Gemma-2-2b-it	2B	3-4 tok/s
多语言支持	Qwen2.5-3B-Instruct	3B	2-3 tok/s

2. 内存优化

BASH

# 启用 zram（压缩内存）
sudo apt install zram-config -y
# 会自动创建压缩 swap

# 调整 vm.swappiness
echo 'vm.swappiness=100' | sudo tee -a /etc/sysctl.conf
sudo sysctl -p

# 减少 GPU 内存分配（树莓派）
echo 'gpu_mem=16' | sudo tee -a /boot/config.txt
sudo reboot

3. 存储优化

使用 USB 3.0 SSD：比 microSD卡快 5-10 倍
挂载选项：在 /etc/fstab 中添加 noatime,nodiratime 减少写入
模型缓存：将 ~/models 目录挂载到 SSD

4. 预加载模型（服务模式）

创建 systemd 服务让模型常驻内存：

BASH

# 创建服务文件
sudo nano /etc/systemd/system/airllm.service

# 内容如下：
[Unit]
Description=AirLLM Model Service
After=network.target

[Service]
Type=simple
User=pi
WorkingDirectory=/home/pi
Environment=PATH=/home/pi/airllm-env/bin
ExecStart=/home/pi/airllm-env/bin/python3 -c "
from airllm import AutoModel
import time
model = AutoModel.from_pretrained('microsoft/Phi-3-mini-4k-instruct')
print('Model loaded and ready!')
while True:
    time.sleep(60)  # 保持进程运行
"

Restart=always
RestartSec=10

[Install]
WantedBy=multi-user.target

# 启动服务
sudo systemctl daemon-reload
sudo systemctl enable airllm.service
sudo systemctl start airllm.service

实际应用场景

场景 1：离线文档助手

将技术文档、使用手册导入知识库
语音查询："这个函数怎么用？"
无需联网，保护企业机密

场景 2：智能家居控制中心

语音控制："打开客厅灯"
环境感知：根据天气调整空调
安全监控：异常检测并语音报警

场景 3：教育学习伴侣

解答数学、物理问题
编程帮助：调试代码、解释算法
语言学习：对话练习、翻译帮助

场景 4：工业边缘计算

设备故障诊断："电机振动异常，可能原因？"
质量检测辅助：判断产品是否合格
工作指导：AR 眼镜上的实时指导

常见问题解答

Q: 第一次运行太慢了怎么办？

A: 第一次运行需要下载模型（几 GB 大小）。建议： 1. 使用有线网络或 5GHz WiFi 2. 预先下载：在有更好网络的设备上下载模型，然后复制到树莓派 3. 使用模型镜像：huggingface-cli download 使用国内镜像

Q: 内存不够经常被杀掉？

A: 试试这些方案： 1. 使用更小的模型（如 TinyLlama 1.1B） 2. 启用 zram 增加可用内存 3. 减少后台运行的服务 4. 添加物理散热（防止降频导致性能下降）

Q: 生成的答案不准确或有偏见？

A: 这是所有开源模型的常见问题。你可以： 1. 调低 temperature（如 0.1-0.3）获得更确定性的回答 2. 在 prompt 中加入约束："请基于事实回答，如果不知道就说不知道" 3. 使用 RAG（检索增强生成）结合你的知识库

Q: 能不能在树莓派 4 上运行？

A: 可以！但建议： - 8GB 版树莓派 4：能运行 3B-7B 模型，速度约为 Pi 5 的 40-60% - 4GB 版树莓派 4：推荐使用 1B-3B 模型（如 TinyLlama、Phi-2） - 考虑使用 USB SSD 加速模型加载

未来展望

随着树莓派 6 的发布（预计 2027 年）和更高效的模型压缩技术发展：

更快的推理速度：预计 Pi 6 CPU 性能将是 Pi 5 的 2-3 倍
更大的模型支持：量化技术进步可能让 10B+ 模型也能在 8GB 内存上运行
专用 AI 加速：树莓派可能增加 NPU 或 AI 加速器（如 Google Coral）
生态成熟：更多基于 AirLLM 的开箱即用项目将出现

开始你的 AI 之旅！

你现在已经掌握了在树莓派上运行大模型的全部知识。从这里开始：

先跑通 Hello World：确认基本环境没问题
试试知识库问答：体验离线 AI 的力量
挑战语音助手：打造你的私人 J.A.R.V.I.S.
分享你的项目：在树莓派论坛或 GitHub 上展示你的创意

记住：最好的 AI 不是最强的，而是最能解决你问题的。有时候，一个在树莓派上运行的小模型，比云端的巨无霸更有用——因为它就在你身边，随时待命，且完全属于你。

Happy Hacking! 🍰

参考资源： - AirLLM 官方文档 - 树莓派官方文档 - Hugging Face 模型库 - Phi-3 模型卡

手把手教你在树莓派 5 上安装 AirLLM，运行 7B 参数大语言模型。无需 GPU，仅靠 CPU 即可体验本地 AI 推理，打造离线知识库、智能家居语音助手等应用。

AirLLM 实战：在树莓派 5 上运行 7B 大模型，离线 AI 从未如此简单

为什么要在树莓派上运行大模型？

硬件准备

推荐配置

为什么是树莓派 5？

步骤 1：系统准备

安装 Raspberry Pi OS (64-bit)

更新系统并安装依赖

步骤 2：安装 AirLLM

安装 numpy 和 torch 的 ARM 优化版

步骤 3：下载和运行模型

选择合适的模型

第一个 Hello World

性能实测（树莓派 5 8GB）

步骤 4：实战项目示例

项目 1：离线知识库问答

项目 2：智能家居语音助手

可能需要系统依赖：sudo apt install portaudio19-dev python3-pyaudio

项目 3：编程助手（终端版）

性能优化技巧

1. 模型选择建议

2. 内存优化

3. 存储优化

4. 预加载模型（服务模式）

实际应用场景

场景 1：离线文档助手

场景 2：智能家居控制中心

场景 3：教育学习伴侣

场景 4：工业边缘计算

常见问题解答

Q: 第一次运行太慢了怎么办？

Q: 内存不够经常被杀掉？

Q: 生成的答案不准确或有偏见？

Q: 能不能在树莓派 4 上运行？

未来展望

开始你的 AI 之旅！