打开网易新闻 查看精彩图片

最近基于 DwarfStar 4 做了一个 MoonBit native binding： tonyfettes/ds4 。通过这层 binding，MoonBit 程序现在可以直接加载本地 GGUF 模型，创建推理 session，编码 chat prompt，采样 token，并把 DeepSeek V4 Flash 的生成结果流式输出。

DwarfStar 是 antirez（redis 作者）做的一个针对 DeepSeek V4 模型形态做深度优化的小型推理引擎。这意味着 MoonBit 程序可以在本地跑起一条完整的 LLM 推理循环：不需要把 prompt 发到远程 API，也不需要把模型能力包装成另一个外部服务。模型文件在本地，推理在本地，应用层控制流也在 MoonBit 里。

从聊天 API 到 Token Stream 和 Tool Call

很多用户熟悉 ChatGPT、Codex、Claude Code 这类聊天或 coding assistant 应用：输入一段话，模型一边思考一边流式输出；有时模型还会请求读取文件、运行命令或者调用某个工具。

从应用开发者的角度看，这通常表现为一次 API 调用：把 messages、system prompt、tool definitions 和采样参数发给模型服务，再从服务端接收一串流式事件。不同平台会把接口叫做 chat completion、responses、messages 或其他名字，但底层都离不开同一个过程：把对话转成 token 序列，然后让模型一个 token 一个 token 地继续生成。

一个典型的流程大致是这样：

  1. 应用把用户输入、系统指令、历史消息和工具说明整理成模型需要的 prompt。

  2. tokenizer 把 prompt 切成 token id，包括普通文本 token 和模型约定的特殊 token。

  3. 推理引擎把这些 token 喂进模型，得到“下一个 token 是什么”的概率分布。

  4. sampler 根据 temperature、top-p 等参数选择一个 token。

  5. 这个 token 被解码成文本片段，作为 stream delta 发给客户端。

  6. 刚生成的 token 再喂回模型，继续预测下一个 token。

  7. 直到遇到结束 token、stop sequence，或者应用主动停止。

所以，API 里看到的“流式输出”本质上就是 autoregressive inference 的外层包装。模型不是一次性吐出完整回答，而是不断预测下一个 token；API 服务再把这些 token 包装成更适合应用消费的事件流。

不同模型有不同的 chat template。DS4 在加载 GGUF 词表时会找到一组特殊 token，例如：

  • <｜begin▁of▁sentence｜> ：对话开始。

  • <｜User｜> ：接下来是用户消息。

  • <｜Assistant｜> ：接下来是助手回复。

  • / ：控制或标记 thinking 内容。

  • <｜end▁of▁sentence｜> ：生成结束。

  • ｜DSML｜ ：DeepSeek 工具调用标记的一部分。

假设用户输入是：

Write a short haiku about MoonBit

在 DS4 里，构造给模型看的 prompt 时，并不是只把这句话原样丢给模型，而是会变成类似这样的结构：

<｜begin▁of▁sentence｜>
You are a helpful assistant
<｜User｜>
Write a short haiku about MoonBit
<｜Assistant｜>

其中， <｜begin▁of▁sentence｜> 、 <｜User｜> 、 <｜Assistant｜> 、 是词表里的特殊 token，会被直接映射成对应 token id；普通文本则会经过 BPE tokenizer 切分成多个 token。如果关闭 thinking mode，DS4 会在 assistant prefix 后放入 ，相当于告诉模型直接进入回答阶段。

Tool call 也是类似的思路。模型并不会真的执行工具，它只会生成结构化意图；真正执行工具的一定是宿主程序。DeepSeek V4 的工具调用格式不是任意文本。DS4 里会查找 ｜DSML｜ 这个特殊 token，并围绕它渲染 DeepSeek 的 DSML tool call 文本，例如：

<｜DSML｜tool_calls>
<｜DSML｜invoke name="read_file">
<｜DSML｜parameter name="path" string="true">README.md 
           ｜DSML｜parameter>
 
            ｜DSML｜invoke>
 
             ｜DSML｜tool_calls>

这里需要区分两层： ｜DSML｜ 本身是词表里的特殊 token；但 <｜DSML｜tool_calls> 、 <｜DSML｜invoke ...> 、 <｜DSML｜parameter ...> 这些完整标签不是各自单独的特殊 token，而是由普通字符和 ｜DSML｜ 这个特殊 token 共同组成的 DSML 文本协议。模型生成这段文本后，服务端或宿主程序再把它解析成 OpenAI/Anthropic 风格的 tool call event。

如果模型在远端，这些事情通常由 API 服务帮应用包装好；如果模型在本地，就需要宿主程序自己控制 token stream、解析 tool call、执行工具并更新上下文。MoonBit 在这里扮演的就是这个宿主程序角色。

用 MoonBit 构建本地 Agent

仓库里的 cmd/ds4mbt 是一个 MoonBit coding micro agent。它基于同一层 DS4 binding，把本地 DeepSeek V4 Flash 推理接到一个简单的工具循环上。

cmd/ds4mbt 的基本循环可以概括成：

  1. 把用户任务、工作目录和工具说明写入 transcript。

  2. 调用 DS4 binding 生成一轮 assistant response。

  3. 从 response 中解析 <｜DSML｜tool_calls> 里的 read 、 write 、 edit 、 bash invocation。

  4. 在 MoonBit 里执行这些工具。

  5. 把 observations 追加回 transcript。

  6. 继续下一轮推理，直到模型不再发出工具调用。

它在 system prompt 里约定了四种工具，并要求模型用 DSML 输出工具调用：

<｜DSML｜tool_calls>
<｜DSML｜invoke name="read">
<｜DSML｜parameter name="path" string="true">relative/path 
           ｜DSML｜parameter>
 
            ｜DSML｜invoke>
<｜DSML｜invoke name="bash">
<｜DSML｜parameter name="command" string="true">moon check --target native 
             ｜DSML｜parameter>
 
              ｜DSML｜invoke>
 
               ｜DSML｜tool_calls>

MoonBit 侧的工作是解析这段 DSML block，把 invocation 转成内部的工具调用，然后执行文件读取、写入、编辑或 shell 命令。工具结果会作为 observation 写回 transcript，下一轮推理时又会成为模型上下文的一部分。

这个结构很接近 coding assistant 的基本工作方式。模型不直接操作文件系统，也不直接运行命令；它只生成工具意图。MoonBit 程序负责把意图变成真实操作，并把结果反馈给模型。

使用上，可以先构建命令：

moon build cmd/ds4mbt --target native

然后让本地模型执行一个工作区任务：

moon run cmd/ds4mbt --target native -- \
  --model /path/to/model.gguf \
  --cwd /path/to/project \
  --prompt "Read the MoonBit package and explain the main entry point."

这只是一个 micro agent，但它展示了关键路径：MoonBit 可以在本地掌握 token stream、chat template、session 状态和 tool call loop。模型推理是 DS4 runtime 的工作，应用编排则是 MoonBit 的工作。

展望

tonyfettes/ds4 还是一个早期 binding，后面还有不少可以继续打磨的方向。

首先是更高层的 chat / agent API。现在的接口已经能支撑 CLI 和 micro agent，但还可以继续整理成更稳定的 library surface，例如 message abstraction、streaming callback、stop condition、错误类型和长期 session 管理。

其次是 OpenAI/Anthropic 风格的本地接口。既然远程 API 可以把模型输出组织成 token stream、message delta 和 tool call event，本地 runtime 也可以提供类似的抽象。未来可以在 MoonBit 侧封装更接近这些应用模型的 API，让本地模型更容易替换远程模型服务。

第三是更提供完整的 agent runtime 或者接入现有的 agent 框架。 cmd/ds4mbt 目前是一个 micro agent，后续可以继续探索权限控制、工具隔离、并行工具调用、可恢复 transcript、结构化日志和更可靠的 tool parsing。

DeepSeek V4 Flash 可以在 MoonBit 程序里本地跑起来之后，重点就不只是“调用了一个 C runtime”，而是 MoonBit 可以成为本地模型应用的控制层：组织 token stream、管理上下文、解析 tool call、执行工具，并把这些能力组合进自己的工具链和应用里。