當 GPT-4o 用毫秒級響應處理圖文混合指令、Gemini-1.5-Pro 以百萬 token 上下文 “消化” 長文檔時，行業的目光正從云端算力競賽轉向一個更實際的命題：如何讓智能 “落地”？—— 擺脫網絡依賴、保護本地隱私、控制硬件成本，讓設備真正具備 “看見并對話” 的離線智能，成為邊緣 AI 突破的核心卡點。
如今，“端側能否獨立運行圖文多輪對話” 已不再是技術疑問，而是工程實現問題。RK3576 通過硬件算力優化與軟件棧協同，將視覺編碼、語言推理、對話管理三大核心能力封裝為可落地的工程方案，而本文將聚焦其多輪對話的部署全流程，拆解從模型加載到交互推理的每一個關鍵環節。
RK3576 多輪對話：基于歷史回答圖中女孩頭發和衣服分別是什么顏色
一、引言1.1 什么是多輪對話？這種交互模式與單輪問答的區別在于：
- 上下文依賴性：每輪對話需關聯歷史信息（如用戶偏好、已確認的細節）。
- 狀態維護：系統需跟蹤對話狀態（如未完成的信息補全），避免重復詢問或信息遺漏。
- 動態意圖調整：用戶可能在對話中修正或細化需求，系統需實時調整響應策略
1.2 多輪對話系統鳥瞰：三顆“核心”協同驅動基于純 C++實現，采用單線程事件循環機制，承擔著對話流程的統籌調度工作，具體職責包括：
- 多輪對話的 KV-Cache 維護與手動清除；
- Prompt 模板的動態渲染；
- 用戶輸入的解析處理與推理結果的回顯展示。
1.3 核心邏輯：多輪對話的處理流程該方案的多模態多輪對話 demo，整體遵循“模型加載 → 圖片預處理 → 用戶交互 → 推理輸出”的核心流程，支持圖文一體的多模態對話，適配多輪問答、視覺問答等典型場景。
首先加載大語言模型（LLM），并配置模型路徑、max_new_tokens（生成內容最大 token 數）、max_context_len（最大上下文長度）、top_k、特殊 token 等關鍵參數；隨后加載視覺編碼模型（imgenc），為后續圖片處理做好準備。
RK3576 平臺運行多模態對話 Demo 的終端日志，顯示視覺與語言模型成功加載，包含模型版本、硬件配置及張量信息，完成多模態交互前的初始化。
2. 圖片處理與特征提取 程序會提供預設問題供用戶選擇（官方案例中也有輸入序號，可以快速提問），同時支持用戶自定義輸入，核心交互邏輯通過以下機制實現：
- 上下文記憶
- 通過設置rkllm_infer_params.keep_history = 1，開啟上下文記憶功能，KV-Cache 在顯存中持續追加存儲，每輪對話僅計算新增 token，大幅提升推理效率。使模型能關聯多輪對話內容；
- 若設為 0，則每輪對話獨立，不保留歷史信息，詳見src/main.cpp。
- 歷史緩存清空：當用戶輸入“clear”時，系統調用rkllm_clear_kv_cache(llmHandle, 1, nullptr, nullptr)，清空模型的 KV 緩存，重置對話上下文。
- Prompt 工程：動態定義模型“人設”：采用三段式 Prompt 模板，通過rkllm_set_chat_template()動態注入模型，無需重新訓練即可切換人設，支持中英文雙語系統提示。
用戶輸入后，系統先判斷輸入中是否包含標簽：若包含，則將文本與圖片 embedding 結合，啟動多模態推理；若不包含，則進行純文本推理。組裝輸入結構體并傳遞給模型后，推理結果將實時打印輸出。 5. 退出與資源釋放 由于先前我們已經講過環境的部署，如刷機、文件準備等，這里步驟只提出比較關鍵的。工程位于：rknn-llm/examples/Multimodal_Interactive_Dialogue_Demo，下面我們來逐步看下操作步驟。 2.1 依賴環境針對不同操作系統提供便捷的編譯腳本，我們是 Linux 系統執行./build-linux.sh，編譯結果如下：
通過 U 盤或者手機將編譯好的產物文件、模型、圖片上傳到開發板上，然后在多輪對話的實例的目錄下，執行以下命令： cd /data/demo_Linux_aarch64
export LD_LIBRARY_PATH=./lib
./demo demo.jpg vision.rknn llm.rkllm 128 512
以下面這張圖片作為測試圖片，選擇下面這張圖是因為，有人物、文字、物體、背景等。
測試圖片2：圖片背景是賽博風格
每輪對話我都有截動態圖，可以感受下體感速度。
rkllm 模型加載 6.7 秒
![]()
視覺編碼 rknn 模型進行處理，生成圖片的 embedding 向量，完成圖像特征的提取，4.5 秒
方案具備良好的可擴展性，便于開發者根據需求進行二次開發：
- 替換視覺骨干：修改image_enc.cc文件，將輸入分辨率調整為與模型匹配的大小，原因是這些參數與模型的固有結構設計和輸入處理邏輯強綁定，直接影響特征提取的正確性和數據傳遞的一致性。不同的 Qwen2-VL 模型（2B 和 7B）需要代碼中指定IMAGE_HEIGHT、IMAGE_WIDTH及EMBED_SIZE；
- 微調 LLM 模型：借助 RKLLM 工具鏈的 LoRA-INT4 量化支持，在 24 GB 顯存的 PC 上，30 分鐘內可完成 2 億參數模型的增量訓練；
- 接入語音能力：在main.cpp中集成 VAD（語音活動檢測）+ ASR（語音識別，如 Whisper-Tiny INT8）模塊，將語音轉換為文本后接入現有推理流水線，實現“看圖說話+語音問答”的融合交互。
五、結論與未來發展方向如果說 “大模型上云” 是 AI 的 “星辰大�！保敲� “多模態落地端側” 就是 AI 的 “柴米油鹽”—— 后者決定了智能技術能否真正滲透到智能家居、工業質檢、穿戴設備等千萬級場景中。RK3576 的多模態交互對話方案，其價值遠不止 “實現了一項技術”，更在于提供了一套 “算力適配 - 工程封裝 - 二次拓展” 的端側 AI 落地范式。
展望未來，這套方案的演進將圍繞三個方向深化：
- 其一，算力效率再突破—— 通過異步模型加載、NPU 與 CPU 協同調度，進一步壓縮首輪推理延遲，適配對響應速度敏感的車載、醫療等場景；
- 其二，多模態融合再升級—— 在圖文基礎上集成語音、傳感器數據，實現 “看 + 聽 + 感知” 的跨模態對話；
- 其三，生態適配再拓展—— 支持更多開源多模態模型的快速移植，形成 “芯片 - 工具鏈 - 模型” 的協同生態。
參考資料 [1] airockchip/rknn-llm: 'https://github.com/airockchip/rknn-llm'
| 
