LLM-PID-Tuner配置详解:config.json 12个关键字段一次填对

原创2026-10-23 17:18:081,819 阅读

LLM-PID-Tuner配置详解:config.json 12个关键字段一次填对

LLM-PID-Tuner 是一款基于 LLM 的极简 PID 自动调参系统(CLI 版),config.json 是它的"总开关":填对了配置,硬件、仿真、Simulink 三种模式才能顺利跑通。本文带你逐个吃透 12 个关键字段,一次填对不再踩坑。

第 1 步:先拿到默认 config.json

第一次运行 tuner.py、simulator.py 或打包版 llm-pid-tuner.exe 时,如果当前目录没有 config.json,程序会自动生成一份默认配置。如果想先对照模板,也可以直接参考仓库里的 config.example.json。

配置加载逻辑位于 core/config.py,加载顺序为:

  1. 默认值(内置在 DEFAULT_CONFIG 中)
  2. config.json(覆盖默认值)
  3. 环境变量(优先级最高,同名变量会覆盖配置文件)

💡 新手优先用 config.json,直观好改;写自动化脚本时再用环境变量。

硬件串口 3 字段:真实设备调参必填

字段 默认值 怎么填
SERIAL_PORT AUTO 不确定就先填 AUTO,程序会扫描串口让你选;知道端口号(如 COM5)可直接写死
BAUD_RATE 115200 必须和单片机固件保持一致,对不上就是"连上了但没数据"
HARDWARE_PROFILE generic_serial_csv 普通 CSV 固件保持默认;特定板卡(如 stm32f407_openmv、mspm0_datavision)才需要改

默认串口协议是 MCU 持续上报一行 CSV:

timestamp_ms,setpoint,input,pwm,error,p,i,d

没有现成固件的同学,建议直接用仓库里的 firmware.cpp 对齐协议,别自己临时改格式。

LLM 4 字段:所有模式的核心,不填无法调参

这组字段决定"谁来帮你调参",是整份配置里最重要的部分:

  • LLM_API_KEY:你的 API Key,必须替换掉占位符 your-api-key-here
  • LLM_API_BASE_URL:接口地址,OpenAI 官方填 https://api.openai.com/v1;兼容接口填对应服务商的 /v1 地址
  • LLM_MODEL_NAME:模型名,如 gpt-4o
  • LLM_PROVIDER:协议类型,openai / openai_claude / anthropic 三选一

常见组合速查(详细解析逻辑见 llm/client.py):

使用方案 LLM_API_BASE_URL 示例 LLM_PROVIDER
OpenAI 官方 https://api.openai.com/v1 openai
DeepSeek / MiniMax 兼容接口 服务商的 /v1 地址 openai
Claude 中转站 / OneAPI 中转站的 /v1 地址 openai_claude
Anthropic 原生接口 https://api.anthropic.com anthropic
Ollama 本地部署 http://localhost:11434/v1 openai

⚠️ 最常见的报错场景:用 OpenAI 兼容接口却把 LLM_PROVIDER 填成 anthropic,或者把 Claude 中转站当成了 Anthropic 原生接口。

调参行为 5 字段:控制"调多狠、调多久、何时停"

新手建议先保持默认,采样不够或网络慢时再动:

  • BUFFER_SIZE(默认 100):每轮评测累积的采样点数量。数据攒够才做一轮分析和 LLM 请求,采样太少可加大
  • MIN_ERROR_THRESHOLD(默认 0.3):平均误差低于该值且状态稳定时,可直接判定"低误差收敛"提前结束
  • MAX_TUNING_ROUNDS(默认 50):最大调参轮数,防止无限跑下去
  • GOOD_ENOUGH_AVG_ERROR(默认 0.1):"已经够好"的误差阈值,与 GOOD_ENOUGH_STEADY_STATE_ERROR、GOOD_ENOUGH_OVERSHOOT 一起触发提前停止,避免过调(判断逻辑在 pid_safety.py)
  • PID_LIMITS:P/I/D 的护栏,配置绝对上下限和单轮最大增幅。程序会把实际限幅写进 LLM 提示词,并在下发前强制执行,防止参数越调越离谱。按场景分为 default / python_sim / simulink 三套

另外,REQUIRED_STABLE_ROUNDS(默认 3 轮)配合"够好"判定:达标后保持当前参数观察,连续稳定才停止;中途变差会清零计数,恢复正常调参。

按场景抄作业:3 份最小配置

真实硬件模式(改 7 项即可):

{
  "SERIAL_PORT": "AUTO",
  "BAUD_RATE": 115200,
  "HARDWARE_PROFILE": "generic_serial_csv",
  "LLM_API_KEY": "sk-your-key",
  "LLM_API_BASE_URL": "https://api.openai.com/v1",
  "LLM_MODEL_NAME": "gpt-4o",
  "LLM_PROVIDER": "openai"
}

本地 Python 仿真(只需 LLM 4 项,去掉串口 3 项即可跑 python simulator.py)。

Simulink 模式在 LLM 4 项基础上再补 6 项:MATLAB_MODEL_PATH、MATLAB_PID_BLOCK_PATH、MATLAB_ROOT、MATLAB_OUTPUT_SIGNAL、MATLAB_SIM_STEP_TIME、MATLAB_SETPOINT。完整步骤见 docs/zh-CN/MATLAB_GUIDE.md。

可选字段速查:代理、CSV 导出

字段 说明
HTTP_PROXY / HTTPS_PROXY / ALL_PROXY / NO_PROXY 需要代理才填,留空即不启用;配置会自动同步到环境变量
CSV_EXPORT_PATH 填路径(如 logs/tuning_data.csv)即可把每轮数据追加导出,自动记录 session_id 和轮次,方便 Excel / MATLAB 分析;留空不导出,字段定义见 core/csv_export.py
LLM_REQUEST_TIMEOUT LLM 请求超时秒数,网络慢可适当调大(默认 60)
LLM_DEBUG_OUTPUT 置为 true 打印调试信息,排查 API 问题时开启

填完之后:用 doctor.py 一键体检

保存 config.json 后,先跑一次环境诊断再正式调参:

python doctor.py

doctor.py 会检查配置必填字段、LLM API 连通性、串口权限与占用、代理设置等,输出体检报告,能提前拦下绝大多数"启动即失败"的问题。

常见问题速答

Q:填了配置还是报错? 用 python doctor.py 定位;再检查 LLM_API_BASE_URL 是否多了/少了 /v1,BAUD_RATE 是否与固件一致。

Q:只想离线使用? 本地起 Ollama 或 LM Studio,把 LLM_API_BASE_URL 指向本地地址即可。

Q:调着调着变差了? 别慌,PID_LIMITS 护栏 + 保底策略 + 历史最佳参数回退是内建机制,程序设计上就是"优先可用"而不是"盲目激进"。

📌 总结:先填 LLM 4 项,接硬件再补 串口 3 项,跑通之后才考虑 行为 5 项 的微调——按这个顺序,12 个关键字字段就能一次填对。

登录后查看全文
llm-pid-tuner