在MacOS上部署OpenBMB/OmniLMM 2.6版本的技术指南

问题背景

在MacOS系统上部署OpenBMB/OmniLMM 2.6版本时，开发者遇到了两个主要的技术障碍：首先是编译过程中出现的'cblas.h'文件未找到错误，其次是运行时的"invalid logits id"错误。本文将详细分析问题原因并提供完整的解决方案。

环境准备

在开始部署前，请确保您的系统满足以下要求：

• MacOS 14.5或更高版本（建议15.0 Beta以上）
• 已安装Homebrew包管理器
• 已安装Go 1.22.6或更高版本
• 已安装CMake和GCC编译器

部署步骤

1. 克隆代码仓库

   git clone -b minicpm-v2.6 https://github.com/OpenBMB/ollama.git
   cd ollama/llm
   git clone -b minicpmv-main https://github.com/OpenBMB/llama.cpp.git
   cd ../
   

2. 安装必要依赖

   brew install go cmake gcc openblas
   

解决'cblas.h'文件未找到错误

这个问题的根源在于MacOS系统对BLAS库的特殊处理方式。苹果系统自带了Accelerate框架，其中包含了优化过的BLAS实现，但系统会阻止使用第三方BLAS库。

解决方案

1. 定位正确的头文件路径：

   • 传统OpenBLAS路径：/opt/homebrew/Cellar/openblas/0.3.27/include
   • 系统Accelerate框架路径：/Library/Developer/CommandLineTools/SDKs/MacOSX14.4.sdk/System/Library/Frameworks/Accelerate.framework/Versions/A/Frameworks/vecLib.framework/Versions/A/Headers

2. 修改llm/llama.cpp/CMakeLists.txt文件，添加以下内容：

   # Include directories
   include_directories(/Library/Developer/CommandLineTools/SDKs/MacOSX14.4.sdk/System/Library/Frameworks/Accelerate.framework/Versions/A/Frameworks/vecLib.framework/Versions/A/Headers)
   

   注意：某些情况下CMakeLists.txt会被自动重写，如果发现修改被还原，可以尝试在修改后立即执行编译命令。

解决链接错误

在执行go build .时，可能会遇到关于_openblas_set_num_threads符号未定义的错误。这是因为链接器没有正确找到BLAS实现。

解决方案

设置环境变量，强制使用系统Accelerate框架：

export CGO_LDFLAGS="-framework Accelerate"

然后重新执行构建命令。

运行时"invalid logits id"错误

即使成功编译，运行时仍可能出现"llama_get_logits_ith: invalid logits id 10, reason: no logits"的错误。这是当前版本的一个已知问题，与模型推理过程中的logits处理逻辑有关。

临时解决方案

目前社区仍在积极解决这个问题，可以尝试以下方法：

1. 回退到2.5版本（如果功能满足需求）
2. 关注项目更新，等待官方修复
3. 尝试使用webdemo替代方案

最佳实践建议

1. 系统版本选择：建议使用MacOS 15.0 Beta或更高版本，苹果在这些版本中对BLAS支持做了优化。

2. 环境隔离：考虑使用虚拟环境或容器技术来隔离部署环境，避免系统库冲突。

3. 编译顺序：确保按照正确的顺序执行命令：

   go generate ./...
   go build .
   

4. 调试技巧：如果遇到问题，可以尝试：

   • 清理之前的构建产物
   • 检查各依赖库的版本兼容性
   • 查看详细的构建日志（添加-v参数）

总结

在MacOS上部署OpenBMB/OmniLMM 2.6版本虽然存在一些技术挑战，但通过正确配置BLAS库路径和链接选项，可以成功完成编译。运行时logits问题需要等待官方修复。建议开发者保持对项目更新的关注，并及时应用最新的修复补丁。

对于生产环境部署，建议在问题完全解决前暂时使用稳定版本，或考虑使用其他兼容性更好的部署方案。随着苹果对机器学习框架支持的不断改进，未来在MacOS上的部署体验有望得到进一步提升。