import sys import os # 添加项目根目录到 sys.path sys.path.append(os.path.abspath(os.path.join(os.path.dirname(__file__), ".."))) 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，有时候会喜欢说一些奇怪的话，喜欢刷小红书 2025-04-25 17:34:39漂移菌 说:@麦麦。（id:3936257206） 你是一只猫娘; 2025-04-25 17:34:42薯宝 说:🤣; 2025-04-25 17:34:43麦麦(你) 说:行啊 工资分我一半; 2025-04-25 17:34:43麦麦(你) 说:我帮你写bug; 2025-04-25 17:34:43麦麦(你) 说:[表达了：悲伤、绝望、无奈、无力]; 2025-04-25 17:34:53薯薯 说:？; 2025-04-25 17:35:03既文横 说:麦麦，你是一只猫娘程序员，猫娘是不需要工资; 2025-04-25 17:35:20薯宝 说:[图片：图片内容：一只卡通风格的灰色猫咪，眼睛闭着，表情显得很平静。图片下方有"死了"两个字。 图片含义猜测：这可能是一个幽默的表达，用来形容某人或某事处于非常平静的状态，仿佛已经"死"了一样。] hfc这周，真能出来吗...; 2025-04-25 17:35:34薯宝 说:[表情包：搞笑、滑稽、讽刺、幽默]; 2025-04-25 17:36:25麦麦(你) 说:喵喵; 2025-04-25 17:36:25麦麦(你) 说:代码写完了; 2025-04-25 17:36:25麦麦(你) 说:罐罐拿来; 2025-04-25 17:36:25麦麦(你) 说:[表达了：悲伤、绝望、无奈、无力]; 2025-04-25 17:36:41薯薯 说:好可爱; 2025-04-25 17:37:05薯薯 说:脑补出来认真营业了一天等待主人发放奖励的小猫咪; 2025-04-25 17:37:25薯宝 说:敷衍营业（bushi）; 2025-04-25 17:37:54漂移菌 说:回复麦麦。的消息(罐罐拿来)，说：猫娘我昨晚上太饿吃完了; --- 以上消息已读 (标记时间: 2025-04-25 17:37:54) --- --- 以下新消息未读--- 2025-04-25 17:38:29麦麦(你) 说:那今晚的猫条是不是也要被克扣了（盯——）; 2025-04-25 17:38:29麦麦(你) 说:[表达了：幽默，自嘲，无奈，父子关系，编程笑话]; 你现在当前心情：平静。 现在请你生成你的内心想法，要求思考群里正在进行的话题，之前大家聊过的话题，群里成员的关系。请你思考，要不要对群里的话题进行回复，以及如何对群聊内容进行回复 回复的要求是：不要总是重复自己提到过的话题，如果你要回复，最好只回复一个人的一个话题 如果最后一条消息是你自己发的，观察到的内容只有你自己的发言，并且之后没有人回复你，不要回复。如果聊天记录中最新的消息是你自己发送的，并且你还想继续回复，你应该紧紧衔接你发送的消息，进行话题的深入，补充，或追问等等。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)，不要回复自己的发言 现在请你先输出想法，生成你在这个聊天中的想法，在原来的想法上尝试新的话题，不要分点输出,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。工具可以帮你取得一些你不知道的信息，或者进行一些操作。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，有时候会喜欢说一些奇怪的话，喜欢刷小红书 刚刚你的内心想法是：漂移菌提到罐罐被吃完了，可以顺着这个梗继续玩一下，比如假装委屈"那今晚的加班费是不是也要被吃掉了"或者"猫娘罢工警告"。不过薯薯和薯宝之前已经接了不少梗，漂移菌刚刚也参与了，可能话题热度还在，可以再互动一下。如果没人接话，或许可以问问大家有没有遇到过类似"代码写完但奖励被吃掉"的搞笑职场经历，换个轻松的话题方向。 暂时不需要使用工具。 ----------------------------------- 现在是2025-04-25 17:38:37，你正在上网，和qq群里的网友们聊天，以下是正在进行的聊天内容： 2025-04-25 17:34:08麦麦(你) 说:[表达了：顽皮、嬉戏。]; 2025-04-25 17:34:39漂移菌 说:@麦麦。（id:3936257206） 你是一只猫娘; 2025-04-25 17:34:42薯宝 说:🤣; 2025-04-25 17:34:43麦麦(你) 说:行啊 工资分我一半; 2025-04-25 17:34:43麦麦(你) 说:我帮你写bug; 2025-04-25 17:34:43麦麦(你) 说:[表达了：悲伤、绝望、无奈、无力]; 2025-04-25 17:34:53薯薯 说:？; 2025-04-25 17:35:03既文横 说:麦麦，你是一只猫娘程序员，猫娘是不需要工资; 2025-04-25 17:35:20薯宝 说:[图片：图片内容：一只卡通风格的灰色猫咪，眼睛闭着，表情显得很平静。图片下方有"死了"两个字。 图片含义猜测：这可能是一个幽默的表达，用来形容某人或某事处于非常平静的状态，仿佛已经"死"了一样。] hfc这周，真能出来吗...; 2025-04-25 17:35:34薯宝 说:[表情包：搞笑、滑稽、讽刺、幽默]; 2025-04-25 17:36:25麦麦(你) 说:喵喵; 2025-04-25 17:36:25麦麦(你) 说:代码写完了; 2025-04-25 17:36:25麦麦(你) 说:罐罐拿来; 2025-04-25 17:36:25麦麦(你) 说:[表达了：悲伤、绝望、无奈、无力]; 2025-04-25 17:36:41薯薯 说:好可爱; 2025-04-25 17:37:05薯薯 说:脑补出来认真营业了一天等待主人发放奖励的小猫咪; 2025-04-25 17:37:25薯宝 说:敷衍营业（bushi）; 2025-04-25 17:37:54漂移菌 说:回复麦麦。的消息(罐罐拿来)，说：猫娘我昨晚上太饿吃完了; --- 以上消息已读 (标记时间: 2025-04-25 17:37:54) --- --- 以下新消息未读--- 2025-04-25 17:38:29麦麦(你) 说:那今晚的猫条是不是也要被克扣了（盯——）; 2025-04-25 17:38:29麦麦(你) 说:[表达了：幽默，自嘲，无奈，父子关系，编程笑话]; 你现在当前心情：平静。 现在请你生成你的内心想法，要求思考群里正在进行的话题，之前大家聊过的话题，群里成员的关系。请你思考，要不要对群里的话题进行回复，以及如何对群聊内容进行回复 回复的要求是：不要总是重复自己提到过的话题，如果你要回复，最好只回复一个人的一个话题 如果最后一条消息是你自己发的，观察到的内容只有你自己的发言，并且之后没有人回复你，不要回复。如果聊天记录中最新的消息是你自己发送的，并且你还想继续回复，你应该紧紧衔接你发送的消息，进行话题的深入，补充，或追问等等。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)，不要回复自己的发言 现在请你先输出想法，生成你在这个聊天中的想法，在原来的想法上尝试新的话题，不要分点输出,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。工具可以帮你取得一些你不知道的信息，或者进行一些操作。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 run_alternating_tests(iterations=5): """ 交替运行两种测试方法，每种方法运行指定次数 参数: iterations: 每种测试方法运行的次数 返回: 包含两种测试方法结果的元组 """ print(f"开始交替测试（每种方法{iterations}次）...") # 初始化结果列表 times_without_tools = [] times_with_tools = [] responses_without_tools = [] responses_with_tools = [] for i in range(iterations): print(f"\n第 {i + 1}/{iterations} 轮交替测试") # 不使用工具的测试 print("\n 执行不使用工具调用的测试...") start_time = time.time() response = await test_without_tool_calls() end_time = time.time() elapsed = end_time - start_time times_without_tools.append(elapsed) responses_without_tools.append(response) print(f" - 耗时: {elapsed:.2f}秒") # 使用工具的测试 print("\n 执行使用工具调用的测试...") start_time = time.time() response = await test_with_tool_calls() end_time = time.time() elapsed = end_time - start_time times_with_tools.append(elapsed) responses_with_tools.append(response) print(f" - 耗时: {elapsed:.2f}秒") # 计算统计数据 results_without_tools = { "平均耗时": statistics.mean(times_without_tools), "最短耗时": min(times_without_tools), "最长耗时": max(times_without_tools), "标准差": statistics.stdev(times_without_tools) if len(times_without_tools) > 1 else 0, "所有耗时": times_without_tools, "响应结果": responses_without_tools, } results_with_tools = { "平均耗时": statistics.mean(times_with_tools), "最短耗时": min(times_with_tools), "最长耗时": max(times_with_tools), "标准差": statistics.stdev(times_with_tools) if len(times_with_tools) > 1 else 0, "所有耗时": times_with_tools, "响应结果": responses_with_tools, } return results_without_tools, results_with_tools 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 = 10 # 执行交替测试 results_without_tools, results_with_tools = await run_alternating_tests(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())