【免费下载链接】laya-coremlLocal Laya typed decisions on Apple Core ML and Neural Engine. Validated ports, ~5 ms short decisions on M3 Max, reproducible speed and energy benchmarks.项目地址https://gitcode.com/gh_mirrors/la/laya-coreml点击查看免费下载docs/SNAKE_DEMO.md是 laya-coreml 项目内 Snake 终端演示的完整使用手册。本文以该文档为骨架结合仓库内 cli.py、policy.py、game.py、ui.py、replay.py、benchmark.py 及 test_snake.py 等源码展开帮助读者掌握如何在一台 Apple Silicon Mac 上安装并启动完全离线的 Core ML 贪吃蛇演示、理解 Laya 决策模型与安全盾的协作机制、录制真实运行并导出可分享的 MP4/GIF/PNG 媒体以及用内置 benchmark 子命令测量稳定的决策速率并正确解读结果边界。Core ML Snake 终端演示预览左侧为棋盘、分数与蛇身长度右侧为方向概率、死路风险、食物可达性、推理耗时、引擎标签与离线状态。演示是什么每个决策都由真实模型离线推理laya-coreml-snake是一个纯终端演示每一次移动都由真实 Laya 模型在本地完成推理期间不联网、不生成文本 token。界面分左右两个面板左侧面板棋盘、当前分数SCORE、蛇身长度LENGTH、历史最佳BEST、棋盘占用率进度条、回合号ROUND右侧面板UP/DOWN/LEFT/RIGHT 四个方向各自的模型概率条与数值、即将执行的方向EXECUTING、模型估计的死路风险DEAD-END RISK即1 - P(存在安全路线)、食物可达性FOOD REACHABLE、本次推理耗时INFERENCE毫秒、实际决策速率DECISIONS /s、输出 token 数OUTPUT TOKENS正常情况下为 0、NETWORK 状态始终显示OFFLINE以及引擎标签ENGINE。界面右下角标注ESTIMATES BY LAYA强调所有概率都是模型估计而非对“下一步是否死亡”的校准概率。棋盘组合逻辑位于 ui.py其中compose()是唯一同时服务于实时显示与录制回放的固定格点渲染入口。在 Apple Silicon Mac 上快速开始安装与启动只需三条命令pip install laya-coreml[demo] hf download aac6fef/laya-multilingual-coreml-ane --local-dir models/snake laya-coreml-snake --model ./models/snake --fps 12关键前提与行为终端尺寸至少104 列 × 35 行使用等宽字体并支持 truecolor即真彩色终端。布局函数 layout_size 规定最小尺寸为max(104, width*250)列、max(35, height19)行当终端过小时UI 会停留在“Resize terminal to at least …”的等待画面不会崩溃见 cli.py。首次启动耗时模型加载与首次 Core ML 编译发生在游戏开始前首次运行可能需要数十秒属正常现象。完全离线模型路径在显式下载后完全本地化。运行时不需要 MLX、PyTorch 或 Transformerspyproject.toml 中demo可选依赖仅含rich与Pillow。如果在未缓存的状态下传入一个 Hub ID程序会直接报错并打印下载指引而不是联网下载——local_checkpoint 通过设置HF_HUB_OFFLINE1并以local_files_onlyTrue解析缓存来保证这一点test_snake.py 还专门用桩禁用了 socket 连接来验证“缺失模型时绝不尝试联网”。12 FPS 的定位--fps 12是便于阅读的演示节奏不是硬件极限。键盘控制按键作用空格暂停 / 恢复↑ / ↓或/-提高 / 降低决策速率源码中每次步进 2范围 1–240见 cli.pyR开启下一个同种子序列的回合Q / Ctrl-C退出并恢复终端显示两个显示相关参数--no-alt-screen让最后一帧保留在终端回滚缓冲scrollback中而不是切换备用屏幕--headless则以完全相同的模型与游戏逻辑无界面运行。非 TTY 环境下不带--headless直接运行会被拒绝cli.py。常用运行参数速查参数默认值说明--modelaac6fef/laya-multilingual-coreml-ane本地模型目录或已缓存的 Hub ID--width/--height24 / 16棋盘尺寸最小 4 且至少一边为偶数见 game.py--seed7随机种子决定食物生成序列--initial-length6初始蛇长必须 ≥2 且小于棋盘容量--fps12每秒决策数正有限浮点数--max-speed关取消节奏限制每次等新推理完成后再移动--duration/--steps无按秒数 / 按实际步数停止均排除预热--promptcompactcompact或detailed两种提示词形态--compute-units随包自动cpu_ne/cpu_gpu/cpu/all--unassisted关关闭安全盾直接执行原始 top-1--record无以 JSONL 记录真实决策与棋盘状态--headless关无显示运行--no-alt-screen关保留最终帧于回滚缓冲两种部署形态ANE 专用包与 GPU 批量包文档明确区分了两种部署选择理解这一区分对正确解读性能数据至关重要默认 ANE 包laya-multilingual-coreml-anebatch one、长度 96B1/L96/K32。每一步游戏决策要依次回答三个问题选方向、判断安全路线、判断食物可达。因此其单问题~5 ms 微基准并不等于整局帧耗时——完整游戏循环还包含规划器计算与终端渲染序列化。普通 Snake GPU 包laya-multilingual-coreml-snake使用 B3/L64/K4把上述三个问题批量放入一次推理hf download aac6fef/laya-multilingual-coreml-snake --local-dir models/snake-gpu laya-coreml-snake --model ./models/snake-gpu --fps 12界面上的ENGINE 标签描述的是所选 Core ML compute units如CPUANE · FP16。从 checkpoint_metadata 可以看到引擎标签由compute_units与权重精度压缩包为W8/FP16未压缩为FP16拼合而成并附带硬件名、平台、Python 版本与各依赖版本号。专用 ANE 图的执行计划与硬件事件证据记录在 ANE 报告中CPUANE仍允许主机侧工作。需要指出的是--compute-units只提供选择入口默认值由包的加载路径决定ANE 包默认 CPUANE普通导出包默认 CPUGPU见 cli.py 的参数说明。模型到底在控制什么规划特征 三问推理 安全盾演示不是把原始棋盘丢给模型做端到端推理而是“规划器算特征、模型给概率、安全盾兜底”的混合架构规划器确定性代码game.py 的moves()为每个方向计算四个事实——legal是否撞墙/撞身/掉头、safe是否沿 Hamiltonian 环安全推进是否会跨过蛇尾、是否会跳过环路上的食物、advance沿环路的推进量、eats是否吃食物food_reachability()则用 BFS 判断食物是否位于当前空格的连通域内。Hamiltonian 环由 hamiltonian_cycle 生成保证在“安全动作”约束下蛇永远有路可走。Laya 模型三个顺序问题policy.py 把上述特征组织成 state 字符串并依次询问三个 typed questionsmovechoice 类型带每个方向的文字判据、risknoul 类型“是否存在安全路线”、foodnoul 类型“食物是否可达”。compact与detailed提示词只是把特征描述得或简或繁问题的语义相同。安全盾默认开启模型返回的move概率决定proposed方向取概率最高的方向如果它不在安全方向集合内则执行安全方向中概率最高者并置intervenedTrue。界面始终展示原始模型概率、proposed 与 executed 两个方向并在两者不一致时显示琥珀色SHIELD标记、递增可见的“Shield interventions”计数器。--unassisted关闭这一层直接执行原始 top-1。风险定义界面上显示的“死路风险”为1 - P(safe route)即模型对“存在安全路线”这一 noul 问题的否定概率——文档明确强调它是模型估计不是经过校准的死亡概率。两个必须记住的边界“开启安全盾时零死亡”不能证明模型具备独立的贪吃蛇智能模型始终接收的是规划器计算好的特征而非未加工的原始棋盘。录制真实运行并导出可分享媒体录制一段真实运行laya-coreml-snake --model ./models/snake --fps 12 --seed 7 \ --duration 75 --record snake.jsonlJSONL 录制内容由 [cli.py](https://link.gitcode.com/i/3fdb12e89e9e4d4573cd92013fd30278#L114-L132, L219-L232) 写入包含模型出处manifest 中的仓库名、源 revision、权重 SHA256、compute units、引擎标签等、每个决策前的棋盘快照、真实概率、推理延迟、自启动起的精确时间戳、运行统计以及收尾的 summary步数、推理调用数、分数、干预次数、平均推理毫秒等。文件头部 metadata 里还带有format: laya-coreml-snake-v1版本标记与“board is shown before the announced action”的语义说明。导出 MP4 / GIF / PNG# Requires ffmpeg: brew install ffmpeg laya-coreml-snake export snake.jsonl --start 45 --seconds 20 \ --output snake.mp4 --gif snake.gif --gif-seconds 15 laya-coreml-snake export snake.jsonl --start 55 --output snake.png导出器复用与实时界面完全相同的compose()渲染replay.py并保持 1× 墙钟时间视频 FPS默认 30只是对录制的采样不会改变模型决策次数也不会加速回放。回放画面顶部状态区显示RECORDED RUN · 1×以明确区分回放与直播ui.py。导出后会生成同名.jsonsidecar记录源录制文件哈希source_sha256、渲染器源码哈希renderer 与 ui 两文件拼接的 SHA256、模型元数据、时间区间与帧数——用于媒体溯源。输出文件必须是尚不存在的路径已存在即报错MP4 需要系统装有ffmpeg。--max-speed模式则完全不同它关闭节奏控制每一步都等待一次全新预测完成后才移动但绝不跳过任何一次模型调用laya-coreml-snake --model ./models/snake --max-speed \ --duration 20 --record snake-fast.jsonl仓库自带的公开素材正是这条链路的产品预览 PNG、媒体溯源 JSON 与原始 75 秒决策录制 均可在仓库中查阅scripts/record_terminal.py则用于在真实伪终端中脚本化抓取会话日志。测量稳定的决策速率内置 benchmark 子命令一次完成多阶段测量laya-coreml-snake benchmark --model ./models/snake \ --rates 20,30,40,50,60 --sweep-steps 120 --soak-steps 600 \ --seeds 101,102,103 --raw-steps 200 --output snake-benchmark.json执行顺序对应 benchmark.py先测无安全盾的原始 top-1与**无节奏上限uncapped**的稳定性再对目标速率逐一 sweep每个速率 120 步、seed 7随后用多个种子做长回合 soak600 步确认最终报告fastest_tested_stable_fps。报告支持--resume断点续跑并校验模型元数据是否变更。通过判据Passing 标准零死亡所有输出为有限值概率必须有限且在 [0,1]见 policy.py否则该步拒绝执行保持 Hamiltonian 环序cycle_order_valid与食物进度每个有节奏的回合中超过活跃计算预算的 tick 占比 ≤ 1%。计时边界务必分清benchmark 的计时包含模型 predict、规划器工作、truecolor Rich 组合、ANSI 序列化、游戏更新有节奏的测试还包含真实sleep。终端模拟器自身的绘制被排除在外渲染写入内存流。因此结果是“这台机器、这些种子下通过测试的最高速率”不是普适上限。已发布结果来自 SNAKE_BENCHMARKS.md在 Apple M3 Max40 核 GPU、128 GiB、macOS 27.2、Python 3.12.13上以laya-coreml0.1.0轮子与公共 ANE FP16 包revision39d6a9b3d0f67f06da74fbade6121ea134cbdb21实测无节奏上限三个 600 步 episode 分别以 49.10 / 49.89 / 49.99 决策/秒完成合计49.66/s零死亡三问 API 延迟 P50/P95 为 16.32/21.33 ms完整活跃 tick 为 19.07/25.96 ms。有节奏上限请求 20 决策/秒是测试通过的最高设置实测墙钟速率 18.39–18.42/s包含真实 sleep 与调度开销活跃超时占比约 0.5–0.8%30/s 以上全部失败。该结果不构成“完美 20 FPS 显示”的保证。原始 top-1seeds 101/102/103 各 200 步得分 7/6/7零死亡——但这些运行仍接收相同规划特征不构成从原始棋盘推理的证据。全部 benchmark 模式合计4,920 个决策、零死亡、4 次安全干预另有一次真实终端 showcase 录制 855 个决策、75.034 秒、最终得分 26、长度 32、零死亡零干预其确定性回放被 test_snake.py 以逐帧精确断言锁定。源码与测试佐证一览主题位置证据要点CLI 入口与参数解析laya_coreml/snake/cli.pyplay/benchmark/export三个子命令分发预热 6 步JSONL 录制格式策略与安全盾laya_coreml/snake/policy.py离线解析、三问构造、intervened判定、元数据生成棋盘与环规划器laya_coreml/snake/game.pyHamiltonian 环、moves()安全判定、BFS 食物可达性固定格点 UIlaya_coreml/snake/ui.py双栏布局、概率条、RECORDED RUN · 1×状态导出渲染laya_coreml/snake/replay.py终端格点栅格化、ffmpeg 管道、sidecar 哈希基准测试laya_coreml/snake/benchmark.py百分位统计、deadline miss、passes 判定、断点续跑测试tests/test_snake.py环完整性、撞墙/反向/尾空位、任意安全选择可通关、录制时间戳校验、公开 showcase 精确回放发布媒体docs/assets/snake-demo.json、benchmarks/results/coreml-snake-showcase.jsonl媒体溯源与真实决策录制结论与延伸阅读laya-coreml-snake展示了一条完整的“本地决策模型演示”工程链路确定性规划器负责可证明的安全推理Laya 模型在 Core ML 上以零生成 token 的方式实时给出概率安全盾在保留原始概率可视化的同时约束执行动作录制与导出链路则保证了媒体与数据的一一对应和可复现性。需要强调的是单问题 ~5 ms 微基准详见 ANE_BENCHMARKS.md与整局游戏帧时间是两个不同的测量对象持续吞吐结果也不可被当作固定帧率保证。延伸阅读SNAKE_BENCHMARKS.md完整 release benchmark 与复现命令、LAUNCH.md公开展示素材的参数表与制作步骤、BENCHMARKS.md基准体系总览、ANE_BENCHMARKS.md单问推理与能耗方法。仓库为只读源码树所有命令均以安装、下载与本地运行方式复现无需修改仓库即可按上述步骤自行验证。赞分享【免费下载链接】laya-coremlLocal Laya typed decisions on Apple Core ML and Neural Engine. Validated ports, ~5 ms short decisions on M3 Max, reproducible speed and energy benchmarks.项目地址https://gitcode.com/gh_mirrors/la/laya-coreml点击查看免费下载相关推荐laya-mlx 本地贪吃蛇演示Laya Snake完整指南Apple Silicon 上的 MLX 实时决策、安全盾与录屏导出laya mlx 本地贪吃蛇演示Laya Snake完整指南Apple Silicon 上的 MLX 实时决策、安全盾与录屏导出 导读本文完整解析 la人工智能大模型本地部署推理引擎Laya-MLX 实战指南在 Apple Silicon 上以毫秒级延迟原生运行 Laya 类型化决策模型Laya MLX 实战指南在 Apple Silicon 上以毫秒级延迟原生运行 Laya 类型化决策模型 Laya MLX 是 Laya 类型化决策模型t人工智能大模型本地部署推理引擎让AI在Mac上本地玩贪吃蛇Laya-MLX的laya-snake终端演示完整教程让AI在Mac上本地玩贪吃蛇Laya MLX的laya snake终端演示完整教程 想在 Mac 上让 AI 本地玩贪吃蛇Laya MLX 的 laya s人工智能大模型本地部署推理引擎创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考