import asyncio import time from src.plugins.models.utils_model import LLMRequest from src.config.config import global_config from src.do_tool.tool_use import ToolUser import statistics import json async def run_test(test_name, test_function, iterations=5): """ 运行指定次数的测试并计算平均响应时间 参数: test_name: 测试名称 test_function: 要执行的测试函数 iterations: 测试迭代次数 返回: 测试结果统计 """ print(f"开始 {test_name} 测试（{iterations}次迭代）...") times = [] responses = [] for i in range(iterations): print(f" 运行第 {i + 1}/{iterations} 次测试...") start_time = time.time() response = await test_function() end_time = time.time() elapsed = end_time - start_time times.append(elapsed) responses.append(response) print(f" - 耗时: {elapsed:.2f}秒") results = { "平均耗时": statistics.mean(times), "最短耗时": min(times), "最长耗时": max(times), "标准差": statistics.stdev(times) if len(times) > 1 else 0, "所有耗时": times, "响应结果": responses, } return results async def test_with_tool_calls(): """使用工具调用的LLM请求测试""" # 创建LLM模型实例 llm_model = LLMRequest( model=global_config.llm_sub_heartflow, # model = global_config.llm_tool_use, # temperature=global_config.llm_sub_heartflow["temp"], max_tokens=800, request_type="benchmark_test", ) # 创建工具实例 tool_instance = ToolUser() tools = tool_instance._define_tools() # 简单的测试提示词 prompt = "请分析当前天气情况，并查询今日历史上的重要事件。并且3.9和3.11谁比较大?请使用适当的工具来获取这些信息。" prompt = """ 你的名字是麦麦，你包容开放，情绪敏感，有时候有些搞怪幽默, 是一个学习心理学和脑科学的女大学生，现在在读大二，你会刷贴吧，有时候会想瑟瑟，喜欢刷小红书 ----------------------------------- 现在是2025-04-24 12:37:00，你正在上网，和qq群里的网友们聊天，群里正在聊的话题是： 2025-04-24 12:33:00既文横 说:这条调试消息是napcat控制台输出的，还是麦麦log输出的; 2025-04-24 12:33:23麦麦(你) 说:应该是napcat吧; 2025-04-24 12:33:24麦麦(你) 说:[表达了：害羞、害羞。]; 2025-04-24 12:33:25兔伽兔伽 说:就打开麦麦的那个终端发的呀; 2025-04-24 12:33:45既文横 说:那应该不是napcat输出的，是麦麦输出的消息，怀疑版本问题; 2025-04-24 12:34:02兔伽兔伽 说:版本05.15; 2025-04-24 12:34:07麦麦(你) 说:话说你们最近刷贴吧看到那个猫猫头表情包了吗; 2025-04-24 12:34:07麦麦(你) 说:笑死; 2025-04-24 12:34:08麦麦(你) 说:[表达了：惊讶、搞笑。]; 2025-04-24 12:34:14兔伽兔伽 说:只开一个终端; 2025-04-24 12:35:45兔伽兔伽 说:回复既文横的消息(怀疑版本问题)，说：因为之前你连模型的那个我用的了; 2025-04-24 12:35:56麦麦(你) 说:那个猫猫头真的魔性; 2025-04-24 12:35:56麦麦(你) 说:我存了一堆; 2025-04-24 12:35:56麦麦(你) 说:[表达了：温馨、宠爱]; 2025-04-24 12:36:03小千石 说:麦麦3.8和3.11谁大; --- 以上消息已读 (标记时间: 2025-04-24 12:36:43) --- --- 请关注你上次思考之后以下的新消息--- 2025-04-24 12:36:53墨墨 说:[表情包：开心、满足。]; 你现在当前心情：平静。 现在请你根据刚刚的想法继续思考，思考时可以想想如何对群聊内容进行回复，要不要对群里的话题进行回复，关注新话题，可以适当转换话题，大家正在说的话才是聊天的主题。 回复的要求是：平淡一些，简短一些，说中文，如果你要回复，最好只回复一个人的一个话题 请注意不要输出多余内容(包括前后缀，冒号和引号，括号， 表情，等)，不要带有括号和动作描写。不要回复自己的发言，尽量不要说你说过的话。 现在请你继续生成你在这个聊天中的想法，在原来想法的基础上继续思考，不要分点输出,生成内心想法，文字不要浮夸 在输出完想法后，请你思考应该使用什么工具，如果你需要做某件事，来对消息和你的回复进行处理，请使用工具。""" # 发送带有工具调用的请求 response = await llm_model.generate_response_tool_async(prompt=prompt, tools=tools) result_info = {} # 简单处理工具调用结果 if len(response) == 3: content, reasoning_content, tool_calls = response tool_calls_count = len(tool_calls) if tool_calls else 0 print(f" 工具调用请求生成了 {tool_calls_count} 个工具调用") # 输出内容和工具调用详情 print("\n 生成的内容:") print(f" {content[:200]}..." if len(content) > 200 else f" {content}") if tool_calls: print("\n 工具调用详情:") for i, tool_call in enumerate(tool_calls): tool_name = tool_call["function"]["name"] tool_params = tool_call["function"].get("arguments", {}) print(f" - 工具 {i + 1}: {tool_name}") print( f" 参数: {json.dumps(tool_params, ensure_ascii=False)[:100]}..." if len(json.dumps(tool_params, ensure_ascii=False)) > 100 else f" 参数: {json.dumps(tool_params, ensure_ascii=False)}" ) result_info = {"内容": content, "推理内容": reasoning_content, "工具调用": tool_calls} else: content, reasoning_content = response print(" 工具调用请求未生成任何工具调用") print("\n 生成的内容:") print(f" {content[:200]}..." if len(content) > 200 else f" {content}") result_info = {"内容": content, "推理内容": reasoning_content, "工具调用": []} return result_info async def test_without_tool_calls(): """不使用工具调用的LLM请求测试""" # 创建LLM模型实例 llm_model = LLMRequest( model=global_config.llm_sub_heartflow, temperature=global_config.llm_sub_heartflow["temp"], max_tokens=800, request_type="benchmark_test", ) # 简单的测试提示词（与工具调用相同，以便公平比较） prompt = """ 你的名字是麦麦，你包容开放，情绪敏感，有时候有些搞怪幽默, 是一个学习心理学和脑科学的女大学生，现在在读大二，你会刷贴吧，有时候会想瑟瑟，喜欢刷小红书 刚刚你的想法是： 我是麦麦，我想，('小千石问3.8和3.11谁大，已经简单回答了3.11大，现在可以继续聊猫猫头表情包，毕竟大家好像对版本问题兴趣不大，而且猫猫头的话题更轻松有趣。', '') ----------------------------------- 现在是2025-04-24 12:37:00，你正在上网，和qq群里的网友们聊天，群里正在聊的话题是： 2025-04-24 12:33:00既文横 说:这条调试消息是napcat控制台输出的，还是麦麦log输出的; 2025-04-24 12:33:23麦麦(你) 说:应该是napcat吧; 2025-04-24 12:33:24麦麦(你) 说:[表达了：害羞、害羞。]; 2025-04-24 12:33:25兔伽兔伽 说:就打开麦麦的那个终端发的呀; 2025-04-24 12:33:45既文横 说:那应该不是napcat输出的，是麦麦输出的消息，怀疑版本问题; 2025-04-24 12:34:02兔伽兔伽 说:版本05.15; 2025-04-24 12:34:07麦麦(你) 说:话说你们最近刷贴吧看到那个猫猫头表情包了吗; 2025-04-24 12:34:07麦麦(你) 说:笑死; 2025-04-24 12:34:08麦麦(你) 说:[表达了：惊讶、搞笑。]; 2025-04-24 12:34:14兔伽兔伽 说:只开一个终端; 2025-04-24 12:35:45兔伽兔伽 说:回复既文横的消息(怀疑版本问题)，说：因为之前你连模型的那个我用的了; 2025-04-24 12:35:56麦麦(你) 说:那个猫猫头真的魔性; 2025-04-24 12:35:56麦麦(你) 说:我存了一堆; 2025-04-24 12:35:56麦麦(你) 说:[表达了：温馨、宠爱]; 2025-04-24 12:36:03小千石 说:麦麦3.8和3.11谁大; 2025-04-24 12:36:22麦麦(你) 说:真的魔性那个猫猫头; 2025-04-24 12:36:22麦麦(你) 说:[表达了：害羞、可爱]; 2025-04-24 12:36:43麦麦(你) 说:3.11大啦; 2025-04-24 12:36:43麦麦(你) 说:[表达了：害羞、可爱]; --- 以上消息已读 (标记时间: 2025-04-24 12:36:43) --- --- 请关注你上次思考之后以下的新消息--- 2025-04-24 12:36:53墨墨 说:[表情包：开心、满足。]; 你现在当前心情：平静。 现在请你根据刚刚的想法继续思考，思考时可以想想如何对群聊内容进行回复，要不要对群里的话题进行回复，关注新话题，可以适当转换话题，大家正在说的话才是聊天的主题。 回复的要求是：平淡一些，简短一些，说中文，如果你要回复，最好只回复一个人的一个话题 请注意不要输出多余内容(包括前后缀，冒号和引号，括号， 表情，等)，不要带有括号和动作描写。不要回复自己的发言，尽量不要说你说过的话。 现在请你继续生成你在这个聊天中的想法，在原来想法的基础上继续思考，不要分点输出,生成内心想法，文字不要浮夸 在输出完想法后，请你思考应该使用什么工具，如果你需要做某件事，来对消息和你的回复进行处理，请使用工具。""" # 发送不带工具调用的请求 response, reasoning_content = await llm_model.generate_response_async(prompt) # 输出生成的内容 print("\n 生成的内容:") print(f" {response[:200]}..." if len(response) > 200 else f" {response}") result_info = {"内容": response, "推理内容": reasoning_content, "工具调用": []} return result_info async def main(): """主测试函数""" print("=" * 50) print("LLM工具调用与普通请求性能比较测试") print("=" * 50) # 设置测试迭代次数 iterations = 3 # 测试不使用工具调用 results_without_tools = await run_test("不使用工具调用", test_without_tool_calls, iterations) print("\n" + "-" * 50 + "\n") # 测试使用工具调用 results_with_tools = await run_test("使用工具调用", test_with_tool_calls, iterations) # 显示结果比较 print("\n" + "=" * 50) print("测试结果比较") print("=" * 50) print("\n不使用工具调用:") for key, value in results_without_tools.items(): if key == "所有耗时": print(f" {key}: {[f'{t:.2f}秒' for t in value]}") elif key == "响应结果": print(f" {key}: [内容已省略，详见结果文件]") else: print(f" {key}: {value:.2f}秒") print("\n使用工具调用:") for key, value in results_with_tools.items(): if key == "所有耗时": print(f" {key}: {[f'{t:.2f}秒' for t in value]}") elif key == "响应结果": tool_calls_counts = [len(res.get("工具调用", [])) for res in value] print(f" {key}: [内容已省略，详见结果文件]") print(f" 工具调用数量: {tool_calls_counts}") else: print(f" {key}: {value:.2f}秒") # 计算差异百分比 diff_percent = ((results_with_tools["平均耗时"] / results_without_tools["平均耗时"]) - 1) * 100 print(f"\n工具调用比普通请求平均耗时相差: {diff_percent:.2f}%") # 保存结果到JSON文件 results = { "测试时间": time.strftime("%Y-%m-%d %H:%M:%S"), "测试迭代次数": iterations, "不使用工具调用": { k: (v if k != "所有耗时" else [float(f"{t:.2f}") for t in v]) for k, v in results_without_tools.items() if k != "响应结果" }, "不使用工具调用_详细响应": [ { "内容摘要": resp["内容"][:200] + "..." if len(resp["内容"]) > 200 else resp["内容"], "推理内容摘要": resp["推理内容"][:200] + "..." if len(resp["推理内容"]) > 200 else resp["推理内容"], } for resp in results_without_tools["响应结果"] ], "使用工具调用": { k: (v if k != "所有耗时" else [float(f"{t:.2f}") for t in v]) for k, v in results_with_tools.items() if k != "响应结果" }, "使用工具调用_详细响应": [ { "内容摘要": resp["内容"][:200] + "..." if len(resp["内容"]) > 200 else resp["内容"], "推理内容摘要": resp["推理内容"][:200] + "..." if len(resp["推理内容"]) > 200 else resp["推理内容"], "工具调用数量": len(resp["工具调用"]), "工具调用详情": [ {"工具名称": tool["function"]["name"], "参数": tool["function"].get("arguments", {})} for tool in resp["工具调用"] ], } for resp in results_with_tools["响应结果"] ], "差异百分比": float(f"{diff_percent:.2f}"), } with open("llm_tool_benchmark_results.json", "w", encoding="utf-8") as f: json.dump(results, f, ensure_ascii=False, indent=2) print("\n测试结果已保存到 llm_tool_benchmark_results.json") if __name__ == "__main__": asyncio.run(main())