cann-llm: 从终端调用MateBook Pro的NPU加载自选模型进行LLM推理（提供/v1/chat/completions接口，可接入编程智能体）

项目地址：

• https://gitcode.com/hu60cn/cann-llm
• https://github.com/SwimmingTiger/cann-llm

目前仅适配MateBook Pro，对其他机型（Pro S/Edge）的支持情况未知。

华为官方模型下载

• https://matrix.openharmony.cn/#/model/main?tag=OpenHarmonyPC

注意：麒麟X90只能加载OMC模型（比如Qwen3-8B-OMC-20251110.zip），K0200模型（比如Qwen3-8B-K0200-20260518.zip）亲测无法加载，原因尚不清楚。

推荐使用Qwen3-8B这个模型，这个模型好像没有上下文窗口限制（其他模型上下文限制最高4K）。
我把Qwen3-8B接到DSH里用极简模式跑了24K上下文都还没满，而且它确实会调用工具，能通过bash工具获取我项目的信息。

原理

通过Python调用了鸿蒙PC内置的NPU推理框架库，一共有两套框架：

-b hiai 调用 /system/lib64/libhiai_llm_engine.so (默认，更快，私有API，系统自带“本地AI模型管理”用的就是这个库)
-b cann 调用 /system/lib64/ndk/libcann_llm_engine.so (公开API但推理比hiai慢，不确定是库的问题还是实现问题)

加载自定义模型

需要先在支持CUDA的电脑上完成模型转换，转换为华为框架支持的CANN (OMC)格式才能加载。
华为NPU支持的算子较少，推理框架支持的模型类型也有限，可能只有少量模型能转换成功。

演示视频

https://www.bilibili.com/video/BV1duat6QEfQ

Qwen3-8B 接入 DSH 后的效果