# **实验 2 - 在 AIPC 上使用 Phi-3-mini 运行 Prompt flow**

## **什么是 Prompt flow**

Prompt flow 是一套开发工具，旨在简化基于大语言模型（LLM）的 AI 应用从构思、原型设计、测试、评估到生产部署和监控的端到端开发流程。它让提示工程变得更加简单，帮助你构建具备生产质量的 LLM 应用。

使用 prompt flow，你可以：

- 创建将 LLM、提示、Python 代码及其他工具连接在一起的可执行工作流。

- 轻松调试和迭代你的工作流，特别是与 LLM 的交互部分。

- 评估你的工作流，使用更大数据集计算质量和性能指标。

- 将测试和评估集成到你的 CI/CD 系统中，确保工作流质量。

- 将工作流部署到你选择的服务平台，或轻松集成到你的应用代码库中。

- （可选但强烈推荐）通过 Azure AI 上的云版本 Prompt flow 与团队协作。

## **什么是 AIPC**

AI PC 拥有 CPU、GPU 和 NPU，每个都具备特定的 AI 加速能力。NPU（神经处理单元）是一种专门的加速器，能够在你的电脑上直接处理人工智能（AI）和机器学习（ML）任务，而无需将数据发送到云端。GPU 和 CPU 也能处理这些任务，但 NPU 在低功耗 AI 计算方面表现尤为出色。AI PC 代表了我们电脑操作方式的根本转变。它不是为了解决之前不存在的问题，而是为日常 PC 使用带来巨大提升。

那么它是如何工作的呢？相比于基于大量公共数据训练的大型生成式 AI 和大语言模型（LLM），在你的 PC 上运行的 AI 在几乎所有层面上都更易于接触。这个概念更容易理解，而且因为它基于你的数据训练，无需访问云端，带来的好处对更广泛的人群更具吸引力。

在短期内，AI PC 领域涉及个人助理和较小的 AI 模型直接在你的 PC 上运行，利用你的数据为你日常的工作提供个性化、私密且更安全的 AI 增强——比如会议记录、组织幻想足球联盟、自动优化照片和视频编辑，或者根据每个人的到达和离开时间规划完美的家庭聚会行程。

## **在 AIPC 上构建生成代码流程**

***注意*** ：如果你还未完成环境安装，请访问 [Lab 0 -Installations](./01.Installations.md)

1. 在 Visual Studio Code 中打开 Prompt flow 扩展，创建一个空白流程项目

![create](../../../../../../../../../translated_images/zh-CN/pf_create.bde888dc83502eba.webp)

2. 添加输入和输出参数，并添加 Python 代码作为新的流程

![flow](../../../../../../../../../translated_images/zh-CN/pf_flow.520824c0969f2a94.webp)

你可以参考此结构（flow.dag.yaml）来构建你的流程

```yaml

inputs:
  question:
    type: string
    default: how to write Bubble Algorithm
outputs:
  answer:
    type: string
    reference: ${Chat_With_Phi3.output}
nodes:
- name: Chat_With_Phi3
  type: python
  source:
    type: code
    path: Chat_With_Phi3.py
  inputs:
    question: ${inputs.question}


```

3. 在 ***Chat_With_Phi3.py*** 中添加代码

```python


from promptflow.core import tool

# import torch
from transformers import AutoTokenizer, pipeline,TextStreamer
import intel_npu_acceleration_library as npu_lib

import warnings

import asyncio
import platform

class Phi3CodeAgent:
    
    model = None
    tokenizer = None
    text_streamer = None
    
    model_id = "microsoft/Phi-3-mini-4k-instruct"

    @staticmethod
    def init_phi3():
        
        if Phi3CodeAgent.model is None or Phi3CodeAgent.tokenizer is None or Phi3CodeAgent.text_streamer is None:
            Phi3CodeAgent.model = npu_lib.NPUModelForCausalLM.from_pretrained(
                                    Phi3CodeAgent.model_id,
                                    torch_dtype="auto",
                                    dtype=npu_lib.int4,
                                    trust_remote_code=True
                                )
            Phi3CodeAgent.tokenizer = AutoTokenizer.from_pretrained(Phi3CodeAgent.model_id)
            Phi3CodeAgent.text_streamer = TextStreamer(Phi3CodeAgent.tokenizer, skip_prompt=True)

    

    @staticmethod
    def chat_with_phi3(prompt):
        
        Phi3CodeAgent.init_phi3()

        messages = "<|system|>You are a AI Python coding assistant. Please help me to generate code in Python.The answer only genertated Python code, but any comments and instructions do not need to be generated<|end|><|user|>" + prompt +"<|end|><|assistant|>"



        generation_args = {
            "max_new_tokens": 1024,
            "return_full_text": False,
            "temperature": 0.3,
            "do_sample": False,
            "streamer": Phi3CodeAgent.text_streamer,
        }

        pipe = pipeline(
            "text-generation",
            model=Phi3CodeAgent.model,
            tokenizer=Phi3CodeAgent.tokenizer,
            # **generation_args
        )

        result = ''

        with warnings.catch_warnings():
            warnings.simplefilter("ignore")
            response = pipe(messages, **generation_args)
            result =response[0]['generated_text']
            return result


@tool
def my_python_tool(question: str) -> str:
    if platform.system() == 'Windows':
        asyncio.set_event_loop_policy(asyncio.WindowsSelectorEventLoopPolicy())
    return Phi3CodeAgent.chat_with_phi3(question)


```

4. 你可以通过调试或运行来测试流程，检查生成代码是否正常

![RUN](../../../../../../../../../translated_images/zh-CN/pf_run.4239e8a0b420a582.webp)

5. 在终端运行流程作为开发 API

```

pf flow serve --source ./ --port 8080 --host localhost   

```

你可以在 Postman / Thunder Client 中测试

### **注意**

1. 第一次运行时间较长，建议通过 Hugging face CLI 下载 phi-3 模型。

2. 考虑到 Intel NPU 计算能力有限，建议使用 Phi-3-mini-4k-instruct。

3. 我们使用 Intel NPU 加速进行 INT4 量化转换，但如果重新运行服务，需要删除 cache 和 nc_workshop 文件夹。

## **资源**

1. 学习 Promptflow [https://microsoft.github.io/promptflow/](https://microsoft.github.io/promptflow/)

2. 学习 Intel NPU 加速 [https://github.com/intel/intel-npu-acceleration-library](https://github.com/intel/intel-npu-acceleration-library)

3. 示例代码，下载 [Local NPU Agent Sample Code](../../../../../../../../../code/07.Lab/01/AIPC)

**免责声明**：  
本文件使用 AI 翻译服务 [Co-op Translator](https://github.com/Azure/co-op-translator) 进行翻译。虽然我们力求准确，但请注意，自动翻译可能包含错误或不准确之处。原始文件的母语版本应被视为权威来源。对于重要信息，建议使用专业人工翻译。对于因使用本翻译而产生的任何误解或误释，我们不承担任何责任。